RPS: Session, Learning Material, Reference, Assessment/Rubric Info Search Subject Subject Name : Matakuliah tidak ditemukan

RPS Detail

Matakuliah

Profile	History
Kode Matakuliah ISA6304 Nama Matakuliah Analitik Data Lanjut sks 3.00	Semester Name Subject Code Subject Name Group Name Group Code Portofolio Gasal 2023/2024 (R) ISA6304 Analitik Data Lanjut SI-01 01 Portofolio Gasal 2023/2024 (R) ISA6304 Analitik Data Lanjut SI-02 02 Portofolio Gasal 2023/2024 (Rmd) ISA6304 Analitik Data Lanjut SI-01 01 Portofolio

Review History

RPS Review History

No Review Review By Review Date 1 - KAD sebaiknya ditambahkan mampu baru diikuti katakerja bloom -KAD 6 Membuat visualisasi data menggunakan python, assesmentnya kurang tepat demikan juga KAD 7 Membuat aplikasi analitik data berbasis python - bila pada pengalaman belajar mhs praktek melalui gcolah maka sebaiknya di metoda pembelajaran ditulis praktek tidak hanya tutorial Syandra Sari 2024-05-23 11:51:29

Capaian Pembelajaran (CP) terkait

Capaian Pembelajaran (CP)

KETRAMPILAN KHUSUS 1 Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a)) Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a)) No Detail Course Learning Outcomes Action 1 Show/Hide Membuat rekomendasi pengambilan keputusan pada proses dan sistem organisasi berdasarkan analitik lanjut / big data Make decision-making recommendations on organizational processes and systems based on advanced analytics/big data (6,3) No Session Learning Outcomes - Description (Cognitive Level,Knowledge Level) Action 1 KAD 14 Mempresentasikan aplikasi analitik data lanjut yang berisi rekomendasi pengambilan keputusan pada proses dan sistem organisasi KAD 14 Presents advanced data analytics applications that contain recommendations for decision making on organizational processes and systems (6,3) 2 Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b)) Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b)) No Detail Course Learning Outcomes Action 1 Show/Hide Membuat aplikasi analitik data menggunakan python Create data analytics applications using python (6,3) No Session Learning Outcomes - Description (Cognitive Level,Knowledge Level) Action 1 KAD 1 Memahami konsep analitik big data dan contoh penerapan pada berbagai bidang KAD 1 Understand the concept of big data analytics and examples of applications in various fields (2,2) 2 KAD 2 Menerapkan data wrangling lanjut KAD 2 Apply advanced data wrangling (3,3) 3 KAD 3 Melakukan analisis multivariat dengan target numerik : regresi berganda KAD 3 Carrying out multivariate analysis with numerical targets: multiple regression (4,3) 4 KAD 4 Melakukan analisis multivariat dengan target kategorik : regresi logistik KAD 4 Carrying out multivariate analysis with categorical targets: logistic regression (4,3) 5 KAD 5 Melakukan analisis data spasial KAD 5 Perform spatial data analysis (4,3) 6 KAD 6 Membuat visualisasi data menggunakan python KAD 6 Create data visualizations using python (6,3) 7 KAD 7 Membuat aplikasi analitik data berbasis python KAD 7 Create a Python-based data analytics application (6,3) 7 Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g)) Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g)) No Detail Course Learning Outcomes Action 1 Show/Hide Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data Carrying out regression analysis, classification and data visualization from numeric/text data and big data (4,3) No Session Learning Outcomes - Description (Cognitive Level,Knowledge Level) Action 1 KAD 8 Menerapkan dasar-dasar komputasi cluster menggunakan a lingkungan kluster virtual melalui VirtualBox dan Vagrant : single virtual machine KAD 8 Apply the basics of cluster computing using a virtual cluster environment via VirtualBox and Vagrant : single virtual machine (3,3) 2 KAD 9 Menerapkan dasar-dasar komputasi cluster menggunakan a lingkungan kluster virtual melalui VirtualBox dan Vagrant : multiple virtual machine KAD 9 Apply the basics of cluster computing using a virtual cluster environment via VirtualBox and Vagrant : multiple virtual machine (3,3) 3 KAD 10 Melakukan analitik dan visualisasi big data menggunakan pyspark KAD 10 Performing big data analytics and visualization using pyspark (4,3) 4 KAD 11 Melakukan analitik big data menggunakan pyspark dengan machine learning library KAD 11 Performing big data analytics using pyspark with machine learning library (4,3) 5 KAD 12 Melakukan analitik teks, prapemrosesan data teks, word embedding dan vektorisasi teks KAD 12 Perform text analytics, text data preprocessing, word embedding and text vectorization (4,3) 6 KAD 13 Membuat analisis sentimen dan pemodelan topik KAD 13 Create sentiment analysis and topic modeling (6,3)

RPS per Session

Sesi Ke	KAD	Bahan Kajian	Metoda Pembelajaran	Waktu Belajar (Menit)	Pengalaman Belajar Mahasiswa	Referensi	Kriteria Penilaian (Indikator)
1		Pendahuluan analitik data lanjut dan analitik big data, analitik prediktif dan preskriptif, analitik teks	Tutorial Diskusi	150.00	Melihat youtube terkait, praktek melalui google colab berdasarkan rujukan jurnal terkait		Ujian Tengah Semester - 7.50 %
	CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b)) Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))    CPMK: Membuat aplikasi analitik data menggunakan python    Create data analytics applications using python       KAD: KAD 1 Memahami konsep analitik big data dan contoh penerapan pada berbagai bidang       KAD 1 Understand the concept of big data analytics and examples of applications in various fields (2,2) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods Ketepatan menjawab soal ujian Accuracy in answering test questions Ujian Tengah Semester 7.50 %
2		Pengertian data wrangling, membaca data, pemahaman awal data, pembersihan data, transformasi data, filtering data penanganan missing value, grouping, menyimpan data + praktikum modul 1 : pengenalan aplikasi analitik data menggunakan streamlit	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Praktikum - 3.75 %
	CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b)) Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))    CPMK: Membuat aplikasi analitik data menggunakan python    Create data analytics applications using python       KAD: KAD 2 Menerapkan data wrangling lanjut       KAD 2 Apply advanced data wrangling (3,3) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods Ketepatan dan kelengkapan laporan praktikum The accuracy and completeness of the practicum report Praktikum 3.75 %
3		Tinjau ulang regresi berganda, regresi non linier, contoh kasus regresi linier dan non linier + praktikum modul 2 Streamlit koneksi Database	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Ujian Tengah Semester - 7.50 % Praktikum - 3.75 %
	CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b)) Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))    CPMK: Membuat aplikasi analitik data menggunakan python    Create data analytics applications using python       KAD: KAD 3 Melakukan analisis multivariat dengan target numerik : regresi berganda       KAD 3 Carrying out multivariate analysis with numerical targets: multiple regression (4,4) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods 1. Ketepatan menjawab soal ujian Accuracy in answering test questions Ujian Tengah Semester 7.50 % PI Description PI Assessment Methods 2. Ketepatan dan kelengkapan laporan praktikum The accuracy and completeness of the practicum report Praktikum 3.75 %
4		Regresi logistik, konsep dan contoh kasus + praktikum modul 3 Deploy Streamlit Sharing dengan Github	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Praktikum - 3.75 %
	CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b)) Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))    CPMK: Membuat aplikasi analitik data menggunakan python    Create data analytics applications using python       KAD: KAD 4 Melakukan analisis multivariat dengan target kategorik : regresi logistik       KAD 4 Carrying out multivariate analysis with categorical targets: logistic regression (4,4) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods Ketepatan dan kelengkapan laporan praktikum The accuracy and completeness of the practicum report Praktikum 3.75 %
5		Visualisasi data spasial + praktikum modul 4 Visualisasi Data Geospasial	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Praktikum - 3.75 %
	CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b)) Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))    CPMK: Membuat aplikasi analitik data menggunakan python    Create data analytics applications using python       KAD: KAD 5 Melakukan analisis data spasial       KAD 5 Perform spatial data analysis (4,4) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods Ketepatan dan kelengkapan laporan praktikum The accuracy and completeness of the practicum report Praktikum 3.75 %
6		Visualisasi data lanjut, matplotlib, seaborn, visualisasi interaktif menggunakan plotly	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Ujian Tengah Semester - 5.00 %
	CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b)) Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))    CPMK: Membuat aplikasi analitik data menggunakan python    Create data analytics applications using python       KAD: KAD 6 Membuat visualisasi data menggunakan python       KAD 6 Create data visualizations using python (6,6) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods Ketepatan menjawab soal ujian Accuracy in answering test questions Ujian Tengah Semester 5.00 %
7		Pengenalan penbuatan aplikasi analitik data berbasis web, python streamlit	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Ujian Tengah Semester - 5.00 %
	CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b)) Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))    CPMK: Membuat aplikasi analitik data menggunakan python    Create data analytics applications using python       KAD: KAD 7 Membuat aplikasi analitik data berbasis python       KAD 7 Create a Python-based data analytics application (6,6) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods Ketepatan menjawab soal ujian Accuracy in answering test questions Ujian Tengah Semester 5.00 %
8		Teknologi dan tools big data, ingkungan kluster virtual melalui VirtualBox dan Vagrant, single virtual machine + praktikum modul 5 big menggunakan vagrant dan VirtualBox, single vm	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Ujian Akhir Semester - 5.00 % Praktikum - 3.75 %
	CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g)) Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))    CPMK: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data    Carrying out regression analysis, classification and data visualization from numeric/text data and big data       KAD: KAD 8 Menerapkan dasar-dasar komputasi cluster menggunakan a lingkungan kluster virtual melalui VirtualBox dan Vagrant : single virtual machine       KAD 8 Apply the basics of cluster computing using a virtual cluster environment via VirtualBox and Vagrant : single virtual machine (3,3) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods 1. Ketepatan menjawab soal ujian Accuracy in answering test questions Ujian Akhir Semester 5.00 % PI Description PI Assessment Methods 2. Ketepatan dan kelengkapan laporan praktikum The accuracy and completeness of the practicum report Praktikum 3.75 %
9		Teknologi dan tools big data, ingkungan kluster virtual melalui VirtualBox dan Vagrant, multiple virtual machine + praktikum modul 6, multiple vm	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Praktikum - 3.75 %
	CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g)) Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))    CPMK: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data    Carrying out regression analysis, classification and data visualization from numeric/text data and big data       KAD: KAD 9 Menerapkan dasar-dasar komputasi cluster menggunakan a lingkungan kluster virtual melalui VirtualBox dan Vagrant : multiple virtual machine       KAD 9 Apply the basics of cluster computing using a virtual cluster environment via VirtualBox and Vagrant : multiple virtual machine (3,3) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods Ketepatan dan kelengkapan laporan praktikum The accuracy and completeness of the practicum report Praktikum 3.75 %
10		Teknologi dan tools big data, pemrosesan data menggunakan spark + praktikum modul 7 pengenalan pyspark	Tutorial	150.00	praktek melalui google colaboratory		Ujian Akhir Semester - 5.00 % Praktikum - 3.75 %
	CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g)) Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))    CPMK: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data    Carrying out regression analysis, classification and data visualization from numeric/text data and big data       KAD: KAD 10 Melakukan analitik dan visualisasi big data menggunakan pyspark       KAD 10 Performing big data analytics and visualization using pyspark (4,4) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods 1. Ketepatan menjawab soal ujian Accuracy in answering test questions Ujian Akhir Semester 5.00 % PI Description PI Assessment Methods 2. Ketepatan dan kelengkapan laporan praktikum The accuracy and completeness of the practicum report Praktikum 3.75 %
11		Teknologi dan tools big data, pemrosesan machine learning melalui pyspark + praktikum modul 8 MLlib	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Ujian Akhir Semester - 5.00 % Praktikum - 3.75 %
	CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g)) Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))    CPMK: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data    Carrying out regression analysis, classification and data visualization from numeric/text data and big data       KAD: KAD 12 Melakukan analitik teks, prapemrosesan data teks, word embedding dan vektorisasi teks       KAD 12 Perform text analytics, text data preprocessing, word embedding and text vectorization (4,4) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods 1. Ketepatan menjawab soal ujian Accuracy in answering test questions Ujian Akhir Semester 5.00 % PI Description PI Assessment Methods 2. Ketepatan dan kelengkapan laporan praktikum The accuracy and completeness of the practicum report Praktikum 3.75 %
12		Pengenalan natural languang processing, data preprocessing + praktikum modul 9 analisis sentiment	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Ujian Akhir Semester - 5.00 % Praktikum - 3.75 %
	CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g)) Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))    CPMK: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data    Carrying out regression analysis, classification and data visualization from numeric/text data and big data       KAD: KAD 12 Melakukan analitik teks, prapemrosesan data teks, word embedding dan vektorisasi teks       KAD 12 Perform text analytics, text data preprocessing, word embedding and text vectorization (4,4) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods 1. Ketepatan menjawab soal ujian Accuracy in answering test questions Ujian Akhir Semester 5.00 % PI Description PI Assessment Methods 2. Ketepatan dan kelengkapan laporan praktikum The accuracy and completeness of the practicum report Praktikum 3.75 %
13		Analisis sentimen dan pemodelan topik	Tutorial Diskusi	150.00	praktek melalui google colaboratory		Ujian Akhir Semester - 5.00 %
	CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g)) Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))    CPMK: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data    Carrying out regression analysis, classification and data visualization from numeric/text data and big data       KAD: KAD 13 Membuat analisis sentimen dan pemodelan topik       KAD 13 Create sentiment analysis and topic modeling (6,6) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods Ketepatan menjawab soal ujian Accuracy in answering test questions Ujian Akhir Semester 5.00 %
14		Presentasi proyek analitik data , pemodelan prediktif	Presentasi	150.00	praktek melalui google colaboratory		Tugas - 16.25 %
	CAPAIAN PEMBELAJARAN: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a)) Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))    CPMK: Membuat rekomendasi pengambilan keputusan pada proses dan sistem organisasi berdasarkan analitik lanjut / big data    Make decision-making recommendations on organizational processes and systems based on advanced analytics/big data       KAD: KAD 14 Mempresentasikan aplikasi analitik data lanjut yang berisi rekomendasi pengambilan keputusan pada proses dan sistem organisasi       KAD 14 Presents advanced data analytics applications that contain recommendations for decision making on organizational processes and systems (6,6) Daftar Kriteria Penilaian (Indikator) PI Description PI Assessment Methods Ketepatan dan Kelengkapan Presentasi Accuracy and Completeness of Presentation Tugas 16.25 %

Assessment Component

Assessment Detail

No	Component Name	Weightage
1	Praktikum	33.75
2	Tugas	16.25
3	Ujian Akhir Semester	25
4	Ujian Tengah Semester	25
Total		100

Daftar Referensi

Notice: Trying to get property of non-object in /var/www/html/sis/application/controllers/IndexController.php on line 978

Copyright©Universitas Trisakti