SUPERVISED S U H E N G K I C TEK

01 Decision Tree 02 Random Forest OUTLINEOUTLINE

DECISION TREE LEARNING COMPONENTS ROOT NODE Mengacu pada awal pohon keputusan dengan pemisahan maksimum (Informasi Gain) NODE Node adalah kondisi dengan beberapa hasil di pohon LEAF Ini adalah keputusan akhir (titik akhir dari sebuah node dari kondisi (pernyataan)

DECISION TREE LEARNING COMPONENTS

DECISION TREE LEARNING (DTL)

Memilih atribut yang paling berguna untuk mengklasifikasikan contoh. informasi yang diperoleh, Penguat informasi, Gini index, Rasio kemungkinan statistik chi-squared, dan Kriteria DKM. PEMILIHAN ATRIBUT METODE UNTUK MEMILIH ATRIBUT PEMISAH MEMILIH ATRIBUT PEMISAH

S E T I A P N O D E M E N G H A S I L K A N D A T A M A K S I M U M D I S E T I A P P E M I S A H A N Y A N G D A P A T D I C A P A I O L E H I G INFORMATION GAIN (IG)

I N I D A P A T D I H I T U N G D E N G A N M E N G G U N A K A N T I N D A K A NK E T I D A K U R S A B A S A N D A R I S E T I A P P E M I S A H A NI N I D A P A T D I H I T U N G D E N G A N M E N G G U N A K A N T I N D A K A NK E T I D A K U R S A B A S A N D A R I S E T I A P P E M I S A H A N IMPURITY METRICS

PRINSIP PEMISAHAN NODE Node root dibagi untuk mendapatkan keuntungan info maksimum. Peningkatan node di pohon menyebabkan overfitting. Pemisahan berlanjut sampai masing- masing daun murni (salah satu kemungkinan hasil ) Pemangkasan juga dapat dilakukan yang berarti penghapusan cabang yang menggunakan fitur yang sangat penting. Indeks Gini ≅ Entropi Jika distribusi seragam, entropi adalah 1

A C T I V I T YA C T I V I T Y P A R E N T D A T A S E T --- > 4 0 I T E M D I F I T U R 1 D A N 4 0 I T E M D I F I T U R 2 A N A KA N A K1 → 3 0I T E MI T E MF I T U RF I T U R1D A ND A N1 01 0I T E MI T E MD ID I F I T U RF I T U R2 A N A KA N A K2 → 1 0I T E MI T E MF I T U RF I T U R1D A ND A N3 03 0I T E MI T E MD ID I F I T U RF I T U R2 SPLIT A K U M P U L A N D A T A --- > 4 0 I T E M D I F I T U R 1 D A N 4 0 I T E M D I F I T U R 2 A N A K 1 → 2 0 I T E M D I F I T U R 1 D A N 4 0 I T E M D I F I T U R 2 A N A K 2 → 2 0 I T E M F I T U R 1 D A N 0 I T E M D I F I T U R 2 SPLIT B A C T I V I T Y

I E ( D P ) = 1 − 4 0 / 8 0 = 1 − 0. 5 = 0. 5I E ( D P ) = 1 − 4 0 / 8 0 = 1 − 0. 5 = 0. 5 B : I E ( D L E F T ) = 1 − 4 0 / 6 0 = 1 − 2 3 = 1 / 3B : I E ( D R I G H T ) = 1 − 2 0 / 2 0 = 1 − 1 = 0B : I G E = 0. 5 − 6 0 / 8 0 × 1 3 − 2 0 / 8 0 × 0 = 0. 5 − − 0 = B : I E ( D L E F T ) = 1 − 4 0 / 6 0 = 1 − 2 3 = 1 / 3B : I E ( D R I G H T ) = 1 − 2 0 / 2 0 = 1 − 1 = 0B : I G E = 0. 5 − 6 0 / 8 0 × 1 3 − 2 0 / 8 0 × 0 = 0. 5 − − 0 = CLASSIFICATION ERROR =1−MAXPJ

I G ( D P ) = 1 −(( 4 0 / 8 0 ) / 8 0 ) 2 ) = 1 −( ) = 0. 5I G ( D P ) = 1 −(( 4 0 / 8 0 ) / 8 0 ) 2 ) = 1 −( ) = 0. 5 A : I G ( D L E F T ) = 1 −(( 3 0 / 4 0 ) 2 +( 1 0 / 4 0 ) 2 ) = 1 −( 9 / / 1 6 ) = 3 8 = A : I G ( D R I G H T ) = 1 −(( 1 0 / 4 0 ) 2 +( 3 0 / 4 0 ) 2 ) = 1 −( 1 / / 1 6 ) = 3 8 = A : I G = 0. 5 − 4 0 / 8 0 × − 4 0 / 8 0 × = B : I G ( D L E F T ) = 1 −(( 2 0 / 6 0 ) 2 +( 4 0 / 6 0 ) 2 ) = 1 −( 9 / / 1 6 ) = 1 − 5 9 = B : I G ( D R I G H T ) = 1 −(( 2 0 / 2 0 ) 2 +( 0 / 2 0 ) 2 ) = 1 −( ) = 1 − 1 = 0 B : I G = 0. 5 − 6 0 / 8 0 × − 0 = 0. 5 − = GINI=1−∑P2 J

I H ( D P ) =−( 0. 5 L O G 2 ( 0. 5 ) L O G 2 ( 0. 5 ) ) = 1 A : I H ( D L E F T ) =−( 3 0 / 4 0 L O G 2 ( 3 0 / 4 0 ) / 4 0 L O G 2 ( 1 0 / 4 0 ) ) = A : I H ( D R I G H T ) =−( 1 0 / 4 0 L O G 2 ( ) / 4 0 L O G 2 ( 3 0 / 4 0 ) ) = A : I G H = 1 − 4 0 / 8 0 × − 4 0 / 8 0 × = B : I H ( D L E F T ) =−( 2 0 / 6 0 L O G 2 ( 2 0 / 6 0 ) / 6 0 L O G 2 ( 4 0 / 6 0 ) ) = B : I H ( D R I G H T ) =−( 2 0 / 2 0 L O G 2 ( 2 0 / 2 0 ) + 0 ) = 0 B : I G H = 1 − 6 0 / 8 0 × − 2 0 / 8 0 × 0 = ENTROPY=−∑PJ LOG2PJ

ENTROPIBERSKALA=ENTROPI/ 2 INDEKSGINIBERPERANTARA NILAI- NILAIKETIDAKMUNGHARANBERBOHONG ANTARAKESALAHANKLASIFIKASI DANENTROPI. PERBANDINGAN SEMUA METRIKS IMPURITAS

MUDAHDIMENGERTI,DITAFSIRKAN,DIVISUALISASIKAN. INIEFEKTIFUNTUKDIGUNAKANDALAMHASILDATANUMERIKDAN KATEGORIS. MEMBUTUHKANSEDIKITUSAHADARIPENGGUNAUNTUKPERSIAPAN DATA. HUBUNGANNONLINEARANTARAPARAMETERTIDAKMEMPENGARUHI POHONKINERJA. MAMPUMENANGANIATRIBUTYANGTIDAKRELEVAN(GAIN=0) PROPRO

DAPATMEMBUATPOHONKOMPLEKSDENGANKEDALAMAN MAKSMAKSIMUM. TIDAKSTABILKARENAVARIASIKECILDALAMDATAINPUTDAPAT POHONYANGSAMASEKALIBERBEDAUNTUKDIHASILKAN. KARENAINIADALAHALGORITMASERAKAH,MUNGKINTIDAK MENEMUKANPOHONTERBAIKSECARAGLOBALUNTUKKUMPULANDATA. KONTRAKONTRA

P E N G K L A S I F I K A S IA N S A M B E LM E N G G U N A K A NB A N Y A KM O D E LP O H O NK E P U T U S A N.D A P A TD I G U N A K A NU N T U KK L A S I F I K A S IA T A UR E G R E S I.A K U R A S ID A NK E P E N T I N G A NV A R I A B E LI N F O R M A S ID I B E R I K A ND E N G A NH A S I L N Y A.P E N G K L A S I F I K A S IA N S A M B E LM E N G G U N A K A NB A N Y A KM O D E LP O H O NK E P U T U S A N.D A P A TD I G U N A K A NU N T U KK L A S I F I K A S IA T A UR E G R E S I.A K U R A S ID A NK E P E N T I N G A NV A R I A B E LI N F O R M A S ID I B E R I K A ND E N G A NH A S I L N Y A. RANDOM FOREST

B I A R K A NJ U M L A HK A S U SP E L A T I H A NM E N J A D IN, D A N J U M L A HV A R I A B E LD A L A MP E N G K L A S I F I K A S IA D A L A H M. J U M L A HMV A R I A B E LI N P U TD I G U N A K A NU N T U K M E N E N T U K A NK E P U T U S A ND IS I M P U LP O H O N ; M H A R U SJ A U HL E B I HS E D I K I TD A R I P A D AM. P I L I HS E TP E L A T I H A NU N T U KP O H O NI N ID E N G A N M E M I L I H N K A L I D E N G A N P E N G G A N T I A N D A R I S E M U A K A S U S P E L A T I H A N N Y A N G T E R S E D I A. G U N A K A N S I S A U N T U K M E M P E R K I R A K A N K E S A L A H A N P O H O N, D E N G A N M E M P R E D I K S I K E L A S M E R E K A. U N T U K S E T I A P N O D E P O H O N, P I L I H V A R I A B E L M S E C A R A A C A K D I M A N A U N T U K M E N D A S A R K A N P E M I S A H A NP E M I S A H A N K E P U T U S A NP A D AN O D EI T U.M E N G H I T U N GT E R B A I KB E R D A S A R K A NK E P U T U S A NP A D AN O D EI T U.M E N G H I T U N GT E R B A I KB E R D A S A R K A N V A R I A B E LMI N ID A L A MS E TP E L A T I H A N.S E T I A PP O H O NT U M B U HS E P E N U H N Y AD A NT I D A KD I P A N G K A S.V A R I A B E LMI N ID A L A MS E TP E L A T I H A N.S E T I A PP O H O NT U M B U HS E P E N U H N Y AD A NT I D A KD I P A N G K A S. ALGORITMA

RANDOM FOREST FLOW CHAT

INIMENGHASILKANPENGKLASIFIKASIDANPEMBELAJARANYANG SANGATAKURATCEPAT INIBERJALANSECARAEFISIENPADABASISDATABESAR. INIDAPATMENANGANIRIBUANVARIABELINPUTTANPAPENGHAPUSAN VARIABEL. INIMENGHITUNGKEDEKATANANTARAPASANGANKASUSYANGDAPAT DIGUNAKANDALAMPENGELOMPOKAN,MENEMUKANOUTLIERATAU ( DENGANPENSKALAAN)MEMBERIKANTAMPILANDATAYANGMENARIK. INIMENAWARKANMETODEEKSPERIMENTALUNTUKMENDETEKSI INTERAKSIVARIABEL. KEUNTUNGANKEUNTUNGAN

RANDOMFORESTMENGGUNAKANINDEKSGINIYANGDIAMBILDARICART SISTEMPEMBELAJARANUNTUKMEMBANGUNPOHONKEPUTUSAN. INDEKSGINIIMPURITYNODEADALAHUKURANYANGPALINGSERING DIPILIHUNTUKMASALAHTIPEKLASIFIKASI.JIKASETDATATBERISI CONTOHDARIKELASN, GINIINDEX,GINI( T)DIDEFINISIKANSEBAGAI: DIMANAPJADALAHFREKUENSIRELATIFKELASJDIT. GINI INDEX

JIKASETDATATDIBAGIMENJADIDUASUBSETT 1DANT 2DENGAN UKURANN 1DANN 2MASING- MASING,INDEKSGINIDARISPLIT DATABERISICONTOHDARIKELASN,INDEKSGINI ( T)DIDEFINISIKANSEBAGAI: **NILAIATRIBUTYANGMENYEDIAKANSPLITGINI( T)TERKECILDIPILIH UNTUKDIBAGI SIMPUL. GINI INDEX

A C A KD I P I L I HY A N GM E N A R I KK E L U A RS E C A R AA C A KP E N G U M P U L A NA C A KD I P I L I HY A N GM E N A R I KK E L U A RS E C A R AA C A KP E N G U M P U L A N S A M P E LD A R IK U M P U L A ND A T AP E L A T I H A NS E M E N T A R AM E M P E R T A H A N K A NS A M P E LD A R IK U M P U L A ND A T AP E L A T I H A NS E M E N T A R AM E M P E R T A H A N K A N D I S T R I B U S ID I S T R I B U S I K E L A S.K E L A S. S E M U AV A R I A B E LI N P U TT I D A KD I A N G G A PK A R E N AK O M P U T A S IS E M U AV A R I A B E LI N P U TT I D A KD I A N G G A PK A R E N AK O M P U T A S I D I T E N T U K A N.Y A N GS A N G A TB E S A RD A NP E L U A N GT I N G G IU N T U KO V E RF I T T I N G.D I T E N T U K A N.Y A N GS A N G A TB E S A RD A NP E L U A N GT I N G G IU N T U KO V E RF I T T I N G. C A R AK E R J AA L G O R I T M A :C A R AK E R J AA L G O R I T M A : 1.B E N I H1.B E N I H 2. D E N G A NK U M P U L A ND A T AY A N GD I P I L I HI N I,S E K U M P U L A NA T R I B U TA C A KD A R IK U M P U L A ND A T AA S L ID I P I L I HB E R D A S A R K A NP E N G G U N AN I L A IY A N G2. D E N G A NK U M P U L A ND A T AY A N GD I P I L I HI N I,S E K U M P U L A NA T R I B U TA C A KD A R IK U M P U L A ND A T AA S L ID I P I L I HB E R D A S A R K A NP E N G G U N AN I L A IY A N G PENGOPERASIAN RANDOM FOREST

C A R AK E R J AA L G O R I T M A : 3.. D A L A MK U M P U L A ND A T AD IM A N AMA D A L A HJ U M L A HT O T A LI N P U TA T R I B U T D A L A MS E TD A T A, H A N Y AA T R I B U TR Y A N GD I P I L I HS E C A R AA C A KU N T U K S E T I A PP O H O ND IM A N AR < M. 4.. A T R I B U TD A R IS E TI N IM E N C I P T A K A NY A N GT E R B A I KS P L I TM E N G G U N A K A N I N D E K SG I N IU N T U KM E N G E M B A N G K A NP O H O NK E P U T U S A NM O D E L. P R O S E S M A S I N G - M A S I N GC A B A N GS A M P A IK O N D I S IP E N G H E N T I A NM A S I N G - M A S I N GC A B A N GS A M P A IK O N D I S IP E N G H E N T I A N B A H W AD A U NN O D EY A N GT E R L A L UK E C I LU N T U KB A H W AD A U NN O D EY A N GT E R L A L UK E C I LU N T U K I N ID I U L A N GU N T U KY A N GM E N Y A T A K A ND I P I S A H K A N.I N ID I U L A N GU N T U KY A N GM E N Y A T A K A ND I P I S A H K A N. PENGOPERASIAN RANDOM FOREST

C O N T O HD IB A W A HI N IM E N U N J U K K A NK O N S T R U K S IP O H O NM E N G G U N A K A NS E TD A T AR I N G K A S.H A N Y AD U AD A R IE M P A TA T R I B U TA S L IY A N GD I P I L I HU N T U KK O N S T R U K S IP O H O NI N I.C O N T O HD IB A W A HI N IM E N U N J U K K A NK O N S T R U K S IP O H O NM E N G G U N A K A NS E TD A T AR I N G K A S.H A N Y AD U AD A R IE M P A TA T R I B U TA S L IY A N GD I P I L I HU N T U KK O N S T R U K S IP O H O NI N I. CONTOH

P E R T A M AP E R T A M AY A N GY A N GA K A NA K A ND I B A G ID I B A G IA D A L A HA D A L A H A S U M S I K A NB A H W AA T R I B U TH O M E _T Y P EA T R I B U T.A S U M S I K A NB A H W AA T R I B U TH O M E _T Y P EA T R I B U T. K E M U N G K I N A NP E M I S A H A NU N T U KH O M E _ T Y P ED IS E B E L A HK I R IR E N T A N G N O D ED A R I6 <= X < 3 1, D IM A N AXA D A L A HN I L A IS P L I T. S E M U AN I L A IL A I N N Y AD IS E T I A PS P L I TM E M B E N T U KN O D EA N A KS E M U AN I L A IL A I N N Y AD IS E T I A PS P L I TM E M B E N T U KN O D EA N A K Y A N GT E P A T.K E M U N G K I N A NP E M I S A H A NU N T U KH O M E _T Y P EA T R I B U TD IS E TD A T AY A N GT E P A T.K E M U N G K I N A NP E M I S A H A NU N T U KH O M E _T Y P EA T R I B U TD IS E TD A T A M E N G A M B I LS P L I TP E R T A M A,I N D E K SG I N ID I H I T U N GS E B A G A IB E R I K U T :M E N G A M B I LS P L I TP E R T A M A,I N D E K SG I N ID I H I T U N GS E B A G A IB E R I K U T : H O M E _T Y P EH O M E _T Y P E <= 6,<= 6, H O M E _T Y P EH O M E _T Y P E <= 1 0,<= 1 0, H O M E _T Y P EH O M E _T Y P E <= 1 5, H O M E _T Y P E1 5, H O M E _T Y P E 3 0,3 0, D A ND A N H O M E _T Y P EH O M E _T Y P E CONTOH

P A R T I S IS E T E L A HB I N E RS P L I TP A D AH O M E _T Y P E<= 6O L E HH U T A NA C A KP A R T I S IS E T E L A HB I N E RS P L I TP A D AH O M E _T Y P E<= 6O L E HH U T A NA C A K K E M U D I A NG I N I( D 1 ),G I N I( D 2 ),D A NG I N I S P L I TD I H I T U N GS E B A G A IB E R I K U T :K E M U D I A NG I N I( D 1 ),G I N I( D 2 ),D A NG I N I S P L I TD I H I T U N GS E B A G A IB E R I K U T :

B E R I K U T N Y A,K U M P U L A ND A T AP A D AH O M E _T Y P E<= 1 0B E R I K U T N Y A,K U M P U L A ND A T AP A D AH O M E _T Y P E<= 1 0 D IL A N G K A HD I P I S A H K A ND A ND I T A B U L A S I K A ND A L A MT A B E L.D IL A N G K A HD I P I S A H K A ND A ND I T A B U L A S I K A ND A L A MT A B E L. P A R T I S IS E T E L A HB I N A R YS P L I TP A D AH O M E _T Y P E<= 1 0D E N G A NR A N D O MF O R E S T :P A R T I S IS E T E L A HB I N A R YS P L I TP A D AH O M E _T Y P E<= 1 0D E N G A NR A N D O MF O R E S T : K E M U D I A NK E M U D I A NG I N IG I N I G I N I( D 1 ),( D 2 ),G I N I( D 1 ),( D 2 ), D A NG I N IS P I L TD I H I T U N GS E B A G A IB E R I K U T :D A NG I N IS P I L TD I H I T U N GS E B A G A IB E R I K U T : N O M O RA T R I B U TR E K A M A NN O M O RA T R I B U TR E K A M A N 0N 1=20N 1=2 H O M E _T Y P EH O M E _T Y P EH O M E _T Y P EH O M E _T Y P E N O L ( 0 ) S A T U ( 1 ) N = 5 <= 1 02 > CONTOH

T A B U L A S IN I L A IK E M U N G K I N A NT A B U L A S IN I L A IK E M U N G K I N A N I N D E K SG I N IU N T U KH O M E _T Y P EA T R I B U TD IS E M U AP E M I S A H A N.I N D E K SG I N IU N T U KH O M E _T Y P EA T R I B U TD IS E M U AP E M I S A H A N. S P L I TH O M E _T Y P E<=1 0M E M I L I K IN I L A IT E R E N D A HG I N IN I L A IT U M P A HS P L I TH O M E _T Y P E<=1 0M E M I L I K IN I L A IT E R E N D A HG I N IN I L A IT U M P A H

D IR A N D O MF O R E S T,P E R P E C A H A ND IM A N AI N D E K SG I N IT E R E N D A HD I P I L I HP A D AN I L A IP E M I S A H.D IR A N D O MF O R E S T,P E R P E C A H A ND IM A N AI N D E K SG I N IT E R E N D A HD I P I L I HP A D AN I L A IP E M I S A H. S E J A KN I L A I - N I L A IH O M E _T Y P ES E J A KN I L A I - N I L A IH O M E _T Y P E N A M U N,A T R I B U TT E R U SM E N E R U SD IA L A M,T I T I KN A M U N,A T R I B U TT E R U SM E N E R U SD IA L A M,T I T I K T E N G A HS E T I A PP A S A N G A NN I L A IB E R T U R U T -T U R U TD I P I L I HS E B A G A IT I T I KP E M I S A HT E N G A HS E T I A PP A S A N G A NN I L A IB E R T U R U T -T U R U TD I P I L I HS E B A G A IT I T I KP E M I S A H T E R B A I KT E R B A I KD A L A MD A L A MC O N T O HC O N T O H K A M I,K A M I, T E R B A I K.P E R P E C A H A NO L E HK A R E N AT E R B A I K.P E R P E C A H A NO L E HK A R E N A I T U,B E R A D AD IH O M ET Y P E=I T U,B E R A D AD IH O M ET Y P E= ( ) / 2 = D A NB U K A ND IH O M E_T Y P E <=1 0.P O H O NK E P U T U S A NS E T E L A HP E M I S A H A NP E R T A M AD I T U N J U K K A ND A L A M :( ) / 2 = D A NB U K A ND IH O M E_T Y P E <=1 0.P O H O NK E P U T U S A NS E T E L A HP E M I S A H A NP E R T A M AD I T U N J U K K A ND A L A M : CONTOHCONTOH

P R O S E D U RI N ID I U L A N G IU N T U KA T R I B U TY A N GT E R S I S AD A L A MS E TD A T A.D A L A MC O N T O HI N I,N I L A II N D E K SG I N IP R O S E D U RI N ID I U L A N G IU N T U KA T R I B U TY A N GT E R S I S AD A L A MS E TD A T A.D A L A MC O N T O HI N I,N I L A II N D E K SG I N I K E D U AA T R I B U TN I L A IT E R E N D A HK E D U AA T R I B U TN I L A IT E R E N D A H S A L A R YD I H I T U N G.I N D E K SG I N ID I P I L I HS A L A R YD I H I T U N G.I N D E K SG I N ID I P I L I H S E B A G A IY A N GT E R B A I KB A G IA T R I B U T.P O H O NK E P U T U S A NA K H I RY A N GD I T U N J U K K A ND A L A M :S E B A G A IY A N GT E R B A I KB A G IA T R I B U T.P O H O NK E P U T U S A NA K H I RY A N GD I T U N J U K K A ND A L A M : CONTOHCONTOH

A T U R A NK E P U T U S A NU N T U KP O H O NK E P U T U S A NY A N GD I I L U S T R A S I K A NA D A L A H :A T U R A NK E P U T U S A NU N T U KP O H O NK E P U T U S A NY A N GD I I L U S T R A S I K A NA D A L A H : <=1 2, 5,M A K AN I L A IK E L A S<=1 2, 5,M A K AN I L A IK E L A S J I K AH O M E _T Y P EA D A L A H0.J I K AH O M E _T Y P EJ I K AH O M E _T Y P EA D A L A H0.J I K AH O M E _T Y P E A D A L A H>1 2, 5A D A L A H>1 2, 5 A D A L A H3 / 4,M A K AN I L A IK E L A SA D A L A H3 / 4,M A K AN I L A IK E L A S J I K AH O M E _T Y P EA D A L A H>1 2, 5J I K AH O M E _T Y P EA D A L A H>1 2, 5 D A NG A J IA D A L A H1.D A NG A J ID A NG A J IA D A L A H1.D A NG A J I A D A L A H1,M A K AK E L A SN I L A I N Y AA D A L A H0.A D A L A H1,M A K AK E L A SN I L A I N Y AA D A L A H0. CONTOHCONTOH

I N IA D A L A HK O N S T R U K S IP O H O NT U N G G A LM E N G G U N A K A NC A R TI N IA D A L A HK O N S T R U K S IP O H O NT U N G G A LM E N G G U N A K A NC A R T A L G O R I T M A.L E B A HA C A KM E N G I K U T IH A LI N IS A M AA L G O R I T M A.L E B A HA C A KM E N G I K U T IH A LI N IS A M A M E T O D O L O G ID A NM E M B A N G U NB E B E R A P AP O H O NU N T U KM E T O D O L O G ID A NM E M B A N G U NB E B E R A P AP O H O NU N T U K H U T A NH U T A NM E N G G U N A K A NM E N G G U N A K A NS E K U M P U L A NS E K U M P U L A NA T R I B U TA T R I B U T Y A N GB E R B E D A.Y A N GB E R B E D A. H U T A NH U T A NA C A KA C A K M E N G G U N A K A NB A G I A ND A R IS E TP E L A T I H A NU N T U KM E N G H I T U N GT I N G K A TK E S A L A H A NM O D E LD E N G A NE S T I M A S IK E S A L A H A NB A W A A N,E S T I M A S IK E S A L A H A NO U TO F - B A G( O O B ).M E N G G U N A K A NB A G I A ND A R IS E TP E L A T I H A NU N T U KM E N G H I T U N GT I N G K A TK E S A L A H A NM O D E LD E N G A NE S T I M A S IK E S A L A H A NB A W A A N,E S T I M A S IK E S A L A H A NO U TO F - B A G( O O B ).

TERIMA KASIH S U H E N G K I C TEK