Академический Документы
Профессиональный Документы
Культура Документы
net/publication/315327096
CITATIONS READS
0 792
3 authors, including:
SEE PROFILE
All content following this page was uploaded by Ishardita Pambudi Tama on 01 August 2017.
Abstract With the growth of vehicle number every year, traffic congestion is an inevitable phenomena to be
seen everywhere in the world. The congestion is sometime worsen due to the inaccurate duration of the
traffic lamp. The goal of this research is to show how we could analyze the traffic condition of a junction
using discrete simulation method and find the better traffic lamp duration. A busy junction which connect
business district, suburb and educational district in Malang, was selected to be the object of this research.
Models of existing system were developed using Arena, following data collection and observation on the
object. Several scenarios based on various traffic light duration were analyzed. The best scenario found in
this simulation analysis could predict the shorter vehicle queue on the junction
DOI: 130
JEMIS VOL. 4 NO. 2 TAHUN 2016 e-ISSN 2477-6025
DOI: 131
JEMIS VOL. 4 NO. 2 TAHUN 2016 e-ISSN 2477-6025
Model ACD selengkapnya dapat dilihat pada Roda 4 atau Lebih di Jalan Bendungan Sigura-
Lampiran 1. gura saat Puncak Pagi
Kelas Kelas (dalam detik) Frekuensi
1 0,0 - 9,2 283
Tabel 1 Durasi Waktu Sinyal di Perempatan ITN 2 9,3 - 18,4 155
Fase 1 Fase 2
Fase 3 3 18,5 - 27,6 65
(Jalan (Jalan 4 27,7 - 36,8 48
(Jalan
Jam Bendungan Bendungan
Sutami) Sigura-gura)
Veteran) 5 36,9 - 46,0 38
(detik) 6 46,1 - 55,2 9
(detik) (detik)
05.00 – 06.00 WIB 15 15 15 7 55,3 - 64,4 8
06.00 – 09.00 WIB 35 30 35 8 64,5 - 73,6 7
09.00 – 12.00 WIB 30 30 40 9 73,7 - 82,8 3
12.00 – 18.00 WIB 33 25 57 10 82,9 - 92,0 1
18.00 – 22.00 WIB 30 30 35
11 92,1 - 101,2 2
22.00 – 24.00 WIB 20 20 20
TOTAL 619
H0 ditolak jika 𝑋2 <𝑋 2 tabel 0,0 - 9,2 283 276,6 6,4 40,96
𝐄
0,148
9,3 - 18,4 155 153 2 4 0,026
18,5 - 27,6 65 84,7 -19,7 388,09 4,582
2. Membuat tabel distribusi frekuensi dari data 27,7 - 36,8 48 46,9 1,1 1,21 0,026
waktu antar kedatangan 36,9 - 46,0 38 26 12 144 5,538
46,1 - 55,2 9 14,4 -5,4 29,16 2,025
Range = 101 detik 55,3 - 64,4 8 8 0 0 0
Jumlah Kelas = 1 + 3,3 log n Lebih dari 64,4 13 9,6 3,4 11,56 1,204
𝑋 2 Hitung 13,549
= 1 + 3,3 log 619 = 10,3 ≈ 11 kelas
𝑡𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎 9849
Rata-rata data = = = 15,54 5. Menentukan nilai𝑋 2 berdasarkan pada tabel
𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 619
detik Chi-Square dengan significance level 5%
𝑅𝑎𝑛𝑔𝑒 101 dan derajat bebas = jumlah kelas - 2
Panjang kelas = = = 9,2
𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑒𝑙𝑎𝑠 11 = 8 - 2 = 6.
2
𝑋(0.05,6) = 12,592
6. Menentukan apakah hipotesis diterima atau
tidak
Karena 𝑋2 Hitung >𝑋2 Tabel, maka H0
diterima yang berarti bahwa data waktu
Tabel 2 Distribusi Frekuensi Waktu Antar Kedatangan antar kedatangan kendaraan roda 4 atau
DOI: 132
JEMIS VOL. 4 NO. 2 TAHUN 2016 e-ISSN 2477-6025
lebih di Jalan Bendungan Sigura-gura saat kendaraan yang melintas saat waktu
puncak pagi berdistribusi eksponensial. pengamatan di tiap waktu puncak.
c. Modul Decide
Modul ini untuk menggambarkan arah 3.5 Penentuan Jumlah Replikasi dan Run
pergerakan kendaraan bermotor yang melintasi Length
perempatan ITN di masing-masing ruas. Untuk mengurangi variansi maka
Persentase pergerakan kendaraan bermotor simulasi harus dilakukan sebanyak n kali
yang didefinisikan pada modul Decide replikasi. Untuk mendapatkan nilai n maka
berdasarkan data survey arus kendaraan di perlu dilakukan replikasi awal n0 yaitu
perempatan ITN yang diperoleh dari sebanyak 5 kali replikasi. Hasil dari 5 replikasi
Laboratorium Transportasi Teknik Sipil UB. tersebut terdapat dalam Tabel 4. Selanjutnya
Persentase tersebut diperoleh dengan untuk mendapatkan nilai Nm (n replikasi yang
membandingkan jumlah kendaraan bermotor dibutuhkan) maka dilakukan perhitungan
yang berbelok ke satu arah dengan jumlah sebagai berikut.
kendaraan yang melintas di jalan tersebut.
Jumlah kendaraan yang dihitung adalah jumlah
DOI: 133
JEMIS VOL. 4 NO. 2 TAHUN 2016 e-ISSN 2477-6025
Tabel 4 Hasil Simulasi tiap Replikasi ditambah dengan 30 menit warm-up period
Replikasi Number Out Simulasi
1 22473
maka total waktu running simulasi adalah 3jam.
2 23069
3 23072 3.6 Verifikasi dan Validasi Model
4 22881
Untuk menguji apakah model pada
5 23087
Standar Deviasi 261,9442689 software ARENA mendekati atau
Rata-rata 22916,4 merepresentasikan keadaan nyata (valid), maka
perlu dilakukan verifikasi dan validasi. Apabila
Langkah selanjutnya adalah menghitung model sudah dinyatakan valid, maka model
standard error dari data menggunakan rumus di tersebut dapat digunakan untuk
bawah ini. menyimulasikan skenario-skenario perbaikan
𝑡 𝛼 × 𝑠𝑡𝑑.𝑑𝑒𝑣𝑖𝑎𝑡𝑖𝑜𝑛 terhadap permasalahan dalam sistem. Namun,
1− ,𝑛−1
2
𝑆𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝐸𝑟𝑟𝑜𝑟 = apabila model tersebut dinyatakan tidak valid,
√𝑛
2,776 ×261,944 maka perlu dilakukan revisi terhadap model
=
√5 tersebut sehingga model menjadi valid.
= 325,247
Dari perhitungan di atas didapat nilai standard
3.6.1 Verifikasi Model
errorsebesar 325,247 atau jika dihitung
Verifikasi dilakukan untuk menguji
presentase error terhadap rata-rata dari data
apakah model di software ARENA apakah
adalah sebesar
325,247 sesuai dengan model konseptual yang sudah
= x 100% dirancang sebelumnya. Verifikasi dilakukan
22916,4
= 1,42 % dengan tiga cara, yakni:
Karena nilai error tersebut lebih kecil dari error 1. Ketika seluruh model ARENA telah selesai
yang ditentukan di awal, yakni 5% maka nilai dibuat, dilakukan pengecekan satuan waktu
replikasi tersebut dinyatakan telah cukup. yang ada pada masing-masing modul, agar
Pada saat awal simulasi, sistem yang ada sesuai dengan satuan waktu pada sistem
masih kosong, artinya tidak ada entitas yang nyata.
masuk dan semua sember daya dalam keadaan 2. Menekan F4 ketika Jendela ARENA masih
idle. Hal ini tentu saja tidak sesuai dengan aktif untuk mengecek ada atau tidaknya
keadaan nyata sehingga perlu adanya waktu error pada sistem pemodelan tersebut.
bagi sistem untuk mencapai keadaan steady 3. Membandingkan model ARENA dengan
state untuk dapat mendekati keadaan yang model ACD yang telah dirancang
sebenarnya dan bisa mengetahui hasil simulasi sebelumnya.
setelah keadaan tersebut dicapai. Waktu yang Setelah dilakukan pengecekan satuan
dimaksud dapat juga disebut sebagai warm-up waktu yang ada pada masing-masing modul,
period. Tidak ada rumus pasti untuk dapat diketahui bahwa satuan waktu yang ada
menentukan kapan sistem akan masuk fase dalam model telah sesuai dengan sistem nyata.
steady state namun biasanya para peneliti Lalu setelah itu dilakukan pengecekan dengan
menggunakan cara plotting hasil output sistem menekan F4 pada Jendela ARENA masih aktif
pada grafik untuk mengetahui kapan sistem dan diketahui bahwa tidak ada error yang
akan mulai memasuki fase steady state. Gambar terjadi pada model yang telah dibuat.
1 menunjukkan pola waiting time di 3 ruas jalan Selanjutnya adalah dengan membandingkan
di perempatan ITN. model ACD dengan model yang telah dibuat di
Dari pola di atas diketahui bahwa sistem ARENA. Pada ACD dijelaskan bahwa antrian
memasuki fase steady state saat memasuki terjadi pada saat menunggu sinyal lampu lalu
waktu 30 menit. Dengan waktu running lintas menyala hijau di salah satu ruas jalan atau
simulation saat fase steady state yaitu 2,5 jam dengan kata lain lampu lalu lintas menyala
DOI: 134
JEMIS VOL. 4 NO. 2 TAHUN 2016 e-ISSN 2477-6025
merah di ruas jalan lainnya. Antrian terjadi pada data. Hasil uji kenormalan data dapat dilihat
saat menunggu lampu lalu lintas menyala hijau pada Tabel 6 di bawah ini.
(resource jalan tersedia untuk dilewati) pada H0 : Data berdistribusi normal
satu ruas jalan dan menyala merah pada ruas H1 : Data tidak berdistribusi normal
jalan yang lain. Hal ini sama dengan apa yang
terjadi pada sistem nyata. Maka dari itu, model Tabel 6 Hasil Uji Kenormalan Data
a
Kolmogorov-Smirnov
atau program ini sudah terverifikasi karena apa Group Statistic df Sig.
yang tergambar pada ARENA sudah sesuai Output Simulasi ,320 5 ,104
dengan keadaan sistem nyata. Aktual
,228 5
,200
*
DOI: 135
JEMIS VOL. 4 NO. 2 TAHUN 2016 e-ISSN 2477-6025
Berdasarkan Tabel 7 dapat diketahui nilai mempunyai waiting time yang tertinggi diantara
Sig. = 0,284 ≥ 0,05, makaH0 diterima yang tiga ruas jalan di perempatan ITN karena waktu
berarti bahwa variansi data homogen. sinyal yang berlaku di Jalan Bendungan Sigura-
Selanjutnya untuk kolom t-test for Equality gura belum mampu melayani kendaraan dengan
Means formulasi hipotesisnya adalah sebagi maksimal sehingga menyebabkan waiting time
berikut: rata-rata sebesar 608,94 detik.
H0 : tidak ada perbedaan rata-rata yang Sedangkan keadaan berbeda terjadi di
signifikan antara hasil simulasi dengan waktu puncak siang. Secara umum terjadi
hasil sistem nyata penurunan jumlah kendaraan yang melewati
H1 : ada perbedaan rata-rata yang signifikan perempatan ITN di setiap ruas jalan, namun
antara hasil simulasi dengan hasil sistem kemacetan terjadi di ruas jalan Bendungan
nyata Sutami. Hal ini ditandai dengan waiting time
Dengan kriteria pengujian jika nilai Sig./2 ≥ α/2 yang tinggi dibanding dengan 2 ruas jalan yang
maka H0 diterima, sedangkan jika Sig./2 < α/2 lain sehingga menyebabkan jumlah antrian
maka H0 ditolak karena pengujian ini yang lebih tinggi dibandingkan kedua ruas jalan
merupakan pengujian dua arah sehingga nilai lain. Dari Tabel 10 menunjukkan bahwa
Sig. harus dibagi 2. kemacetan terjadi di jalan Bendungan Sutami
Dari Tabel 4.18 di atas maka dapat dengan jumlah rata-rata kendaraan yang masuk
diketahui nilai Sig. = 0,170 Hal itu berarti sebesar 642 mobil dan 3640 motor pada siang
bahwa Sig./2 (0,085) >α/2 (0,025) sehingga H0 hari.
diterima. Maka, simulasi dapat dikatakan valid Keadaan ini terjadi karena di saat puncak
karena uji statistik membuktikan bahwa tidak siang hari merupakan saat untuk istirahat
ada perbedaan rata-rata yang signifikan antara makan siang dan jam pulang bagi siswa-siswa
hasil simulasi dengan hasil sistem nyata. sekolah. Jalan Bendungan Sutami mempunyai
waiting time yang tertinggi diantara tiga ruas
3.7 Analisis Hasil Simulasi Keadaan jalan di perempatan ITN karena waktu sinyal
Existing yang berlaku di Jalan Bendungan Sutami belum
Dari hasil simulasi dapat diketahui mampu melayani kendaraan dengan maksimal
bahwa kemacetan terjadi di jalan Bendungan sehingga menyebabkan waiting time rata-rata
Sigura-gura dengan jumlah rata-rata kendaraan sebesar 701,17 detik.
yang masuk sebesar 592 mobil dan 3902 motor Hasil simulasi menunjukkan bahwa
pada pagi hari. Keadaan ini terjadi karena kemacetan terjadi di jalan Bendungan Sutami
lingkungan di sekitar jalan Bendungan Sigura- ditandai dengan waiting time yang tinggi
gura adalah pemukiman yang padat penduduk dibanding dengan 2 ruas jalan yang lain
mulai dari mahasiswa sampai karyawan kantor. sehingga menyebabkan jumlah antrian yang
Hal itu menyebabkan jumlah kendaraan yang lebih tinggi dibandingkan kedua ruas jalan lain.
melintas di pagi hari sangat tinggi karena Jumlah rata-rata kendaraan yang masuk sebesar
bertepatan dengan jam berangkat menuju 461 mobil dan 3263 motor pada sore hari yang
tempat bekerja dan untuk berangkat ke kampus didominasi oleh kendaraan yang mengarah ke
dan sekolah bagi para siswa dan mahasiswa. jalan Sumbersari sebanyak 56,85% dari total
Karena jalan Veteran merupakan jalur utama kendaraan yang masuk berdasarkan persentase
untuk menuju tempat kerja maupun tempat arah gerakan kendaraan pada Tabel 4.10
pendidikan maka kendaraan yang melintasi sebelumnya. Hal ini terjadi karena pada saat
jalan Bendungan Sigura-gura didominasi puncak sore hari bertepatan dengan jam pulang
kendaraan yang akan mengarah ke jalan kantor bagi para karyawan yang bekerja
Veteran. Jalan Bendungan Sigura-gura maupun jam pulang kuliah bagi mahasiswa.
DOI: 136
JEMIS VOL. 4 NO. 2 TAHUN 2016 e-ISSN 2477-6025
Selain itu, jalan Bendungan Sutami merupakan 3.9 Penentuan Skenario Terbaik
jalan penghubunga antara wilayah Malang Setelah dilakukan analisis hasil simulasi
Selatan dan sekitarnya dengan Kota Batu dari skenario-skenario perbaikan yang sudah
maupun dengan wilayah Malang Utara dirumuskan, maka langkah yang paling penting
sehingga kendaraan yang melintas didominasi selanjutnya adalah menentukan skenario terbaik
dengan kendaraan yang akan mengarah ke jalan yang dapat digunakan untuk mengatasi
Sumbersari yang mengarah ke kedua wilayah kemacetan lalu lintas yang ada di perempatan
tersebut. Jalan Bendungan Sutami mempunyai ITN. Analisis keadaan awal menunjukkan ruas-
waiting time yang tertinggi diantara tiga ruas ruas jalan di perempatan ITN yang mengalami
jalan di perempatan ITN karena waktu sinyal kemacetan pada tiap waktu puncak yang diteliti.
yang berlaku di Jalan Bendungan Sutami belum Dengan demikian, penentuan skenario terbaik
mampu melayani kendaraan dengan maksimal untuk mengatasi kemacetan di perempatan ITN
sehingga menyebabkan waiting time rata-rata pada penelitian ini didasarkan pada kemampuan
sebesar 66,82 detik. skenario-skenario tersebut untuk mengurangi
Rekap hasil simulasi dapat dilihat pada waiting time dan panjang antrian pada ruas
Lampiran 2. jalan yang mengalami kemacetan pada tiap
waktu puncak yang diteliti.
3.8 Analisis Usulan Perbaikan Berdasarkan hasil simulasi menunjukkan
Kemungkinan solusi yang feasible untuk bahwa untuk waktu puncak pagi skenario
dilakukan dalam jangka pendek di perempatan terbaik untuk mengatasi kemacetan di
ITN adalah dengan perubahan durasi waktu perempatan ITN khususnya di jalan Bendungan
fase sinyal dan merekayasa arah lalu lintas. Hal Sigura-gura adalah skenario ketiga. Rincian
itu dikarenakan untuk penambahan lebar ruas lengkap skenario terbaik dapat dilihat pada
jalan akan lebih sulit dilakukan dalam jangka Lampiran 2.
pendek dikarenakan sudah tidak adanya lahan Skenario ini berhasil menurunkan
yang tersisa di lingkungan perempatan ITN. waiting time di jalan Bendungan Sigura-gura
Namun, untuk solusi jangka panjang sebesar 97% dari keadaan semula menjadi
diharapkan kemungkinan solusi pertama dapat 13,76 detik sehingga panjang antrian yang
dilakukan oleh Pemerintah Kota Malang karena terjadi juga berhasil diturunkan.
setiap tahun jumlah kendaraan bermotor yang Sedangkan pada waktu puncak siang
melintasi jalan-jalan di Kota Malang akan skenario terbaik untuk mengatasi kemacetan di
meningkat seiring dengan pesatnya perempatan ITN khususnya di jalan Bendungan
pembangunan Kota Malang sebagai kota yang Sutami adalah skenario ketiga. Skenario ini
nyaman untuk ditinggali, nyaman untuk berhasil menurunkan waiting time di jalan
kegiatan pendidikan maupun untuk wisata. Bendungan Sutami sebesar 98% dari keadaan
Dengan 2 kemungkinan solusi yang feasible di semula menjadi 7,89 detik sehingga panjang
atas, maka disusunlah 3 skenario perbaikan antrian yang terjadi juga berhasil diturunkan.
antara lain: Untuk waktu puncak sore skenario
1. Skenario pertama mengubah durasi waktu terbaik untuk mengatasi kemacetan di
sinyal tanpa merubah arah fase perempatan ITN khususnya di jalan Bendungan
2. Merubah arah kendaraan pada fase 2 dengan Sutami adalah skenario ketiga. Skenario ini
pelarangan gerakan belok kanan sehingga berhasil menurunkan waiting time di jalan
pada fase 2 kendaraan dari jalan Bendungan Bendungan Sutami sebesar 89% dari keadaan
Sigura-gura dan kendaraan dari jalan semula menjadi 6,89 detik sehingga panjang
Veteran yang bergerak lurus dapat berjalan antrian yang terjadi juga berhasil diturunkan.
bersamaan, sedangkan kendaraan dari jalan
Veteran yang belok kanan berangkat pada 4. Penutup
fase 3. Dari hasil simulasi yang dilakukan dapat
3. Sama dengan skenario 2 namun pada fase 3 diketahui bahwa di waktu puncak pagi
kendaraan yang berangkat adalah kendaraan kemacetan terjadi di jalan Bendungan Sigura-
yang belok kanan dan kendaraan yang gura dengan waiting time rata-rata sebesar
bergerak lurus. 608,94 detik dan panjang antrian sebesar 256,5
m. Sedangkan pada waktu puncak siang
DOI: 137
JEMIS VOL. 4 NO. 2 TAHUN 2016 e-ISSN 2477-6025
kemacetan terjadi di jalan Bendungan Sutami [2] Asmungi. 2007. Simulasi Komputer Sistem
dengan waiting time rata-rata sebesar 701,17 Diskrit. Yogyakarta: Penerbit ANDI
detik dan panjang antrian sebesar 280,976 m.
[3] Davis, Gordon B. 1984. Sistem Informasi
Lalu, pada waktu puncak ore kemacetan terjadi
Manajemen. Jakarta: Penerbit Pustaka
di jalan Bendungan Sutami dengan waiting time
Binaan Pressindo
rata-rata sebesar 66,82 detik dan panjang
antrian sebesar 22,927 m. [4] Ditjen Bina Marga. 1997. Manual
Hasil simulasi usulan skenario perbaikan Kapasitas Jalan Indonesia. Jakarta: Ditjen
menunjukkan bahwa skenario terbaik untuk Bina Marga
mengatasi kemacetan di perempatan ITN adalah [5] Hoover, Stewart V & Perry, Ronald F.
dengan mengubah durasi lampu lalu lintas dan 1989. Simulation: A Problem Solving
mengubah arah pergerakan kendaraan dengan Approach. Boston, USA: Addison-Wesley
pemberlakuan larangan belok kanan di jalan Longman Publishing Co., Inc
Bendungan Sigura-gura. Skenario ini berhasil
menurunkan waiting time di jalan Bendungan [6] Hussey, J. & Husser, R. 1997. Business
Sigura-gura sebesar 97% dari keadaan semula Research: A Practical Guide for
menjadi 13,76 detik sehingga panjang antrian Undergraduate and Postgraduate
yang terjadi juga berhasil diturunkan di waktu Students. London: Macmillan Press, Ltd
puncak pagi. Untuk waktu puncak siang hasil [7] Kamrani, M., Abadi, Sayyed M. H. E. &
simulasi menunjukkan bahwa skenario ini Golroudbary, S. R. 2014. Traffic
berhasil menurunkan waiting time di jalan Simulation of two adjacent unsignalized T-
Bendungan Sutami sebesar 98% dari keadaan junctions during rush hours using Arena
semula menjadi 7,89 detik. Sedangkan untuk software. Simulation Modelling Practice
waktu puncak sore hasil simulasi menunjukkan and Theory page 167-179. San Diego:
bahwa skenario ini berhasil menurunkan Elsevier. Inc
waiting time di jalan Bendungan Sutami sebesar
89% dari keadaan semula menjadi 6,89 detik. [8] Law, Averill & Kelton, W. David. 1999.
Untuk mengatasi kemacetan di perempatan Simulation Modelling and Analysis
ITN Kota Malang sebaiknya diterapkan (Industrial Engineering and Management
skenario terbaik yang sudah dirumuskan di Science Series). Edisi Ketiga. North
dalam penelitian ini. Penelitian ini hanya America: The McGraw-Hill Companies,
mempertimbangkan faktor teknis dari sebuah Inc
perempatan sedangkan di dalam keadaan nyata [9] McLeod, Raymond Jr. 2001. Sistem
yang mempengaruhi keberhasilan dari solusi Informasi Manajemen Edisi 7 Jilid 2.
yang ditawarkan dalam pelaksanaanya, Jakarta: Prenhallindo
misalnya kesadaran pengguna jalan untuk tertib
berlalu-lintas dan menjaga kesopanan dalam [10] Putri, Dea Berinda A. R. & Abusini, Sobri.
berlalu-lintas. Dengan demikian, sangat 2015. Analisis Tingkat Pelayanan
dimohon kepada semua pengguna jalan di Persimpangan Jalan dengan Model Antrian
perempatan ITN untuk tetap mematuhi M/D/1 dan Metode Manual Kapasistas
peraturan lalu lintas dan pengaturan lalu lintas Jalan Indonesia. Jurnal Mahasiswa
yang diterapkan. Diharapkan ada penelitian Matematika Vol. 3 No. 2 hal 109-112.
lanjutan yang akan membahas mengenai Malang: Universitas Brawijaya
skenario pengaturan arus lalu lintas di [11] Rockwell Software. 2005. Arena User’s
perempatan ITN Kota Malang selama 12 atau Guide. USA: Rockwell Software. Inc
24 jam karena dinamika lalu lintas selalu
berubah setiap waktu seiring pertambahan [12] Siagian. P. 1987. Penelitian Operasional:
jumlah kendaraan. Teori dan Praktek. Jakarta: Penerbit UI
[13] Sridadi, Bambang. 2009. Pemodelan dan
DAFTAR PUSTAKA Simulasi Sistem: Teori, Aplikasi dan
Contoh Program dalam Bahasa C.
[1] Arifin, Miftahol. 2009. Simulasi Sistem Bandung: Informatika
Industri. Yogyakarta: Graha Ilmu
DOI: 138
JEMIS VOL. 4 NO. 2 TAHUN 2016 e-ISSN 2477-6025
Terminate
Sumbersari
T
Lampu lalin
merah di Y
Veteran &
Sutami Belok ke
Veteran?
Terminate
Sutami
DOI: 139
JEMIS VOL. 4 NO. 2 TAHUN 2016 e-ISSN 2477-6025
DOI: 140