Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Te...
Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Te...
Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Te...
Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Te...
Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Te...
Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Te...
Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Te...
Upcoming SlideShare
Loading in...5
×

Jurnal data warehouse inisiatif di universitas sumatera utara

1,581

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,581
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
110
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Jurnal data warehouse inisiatif di universitas sumatera utara

  1. 1. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung212DATA WAREHOUSE INISIATIF DI UNIVERSITAS SUMATERA UTARAOpim Salim Sitompul, opim@usu.ac.idPusat Sistem Informasi USUJl. Universitas No 9 Kampus USU MedanTelp. 061-8213793, Fax.: 061-8223572ABSTRAKData warehouse adalah sistem repositori data yang semakin populer bagi sebuah instansi. Data warehouseumumnya didukung oleh sebuah model data konseptual yang disebut model multidimensi yang dapat digunakanuntuk melihat data dari dimensi yang berbeda-beda untuk keperluan analisis dan pelaporan. Untuk mendukungpengambilan keputusan dalam proses pengelolaan perguruan tinggi di Universitas Sumatera Utara (USU),pembangunan sebuah sistem data warehouse menjadi sangat penting karena dalam sistem ini terkumpul berbagaidata yang diperlukan baik berupa data sejarah maupun data saat ini. Dengan tersedianya data yang lengkap, parapengambil keputusan dapat melakukan berbagai analisis dan memberikan laporan yang akurat mengenai keadaanuniversitas yang mereka kelola. Dalam makalah ini, kami mengajukan sebuah metodologi desain untukperancangan data warehouse konseptual yang disebut metodologi berorientasi-transformasi, yang mentransformasimodel ER (Entity-Relationship) menjadi model multidimensi berdasarkan sekumpulan aturan transformasi dananalisis. Untuk mengimplementasikan metodologi yang dikemukakan tersebut, telah dibangun sebuah prototipeknowledge-based tool yang disebut DWDesigner. Pembangunan prototipe sistem ini dimaksudkan sebagai langkahinisiatif awal dalam rangka pembangunan data warehouse di USU.Kata kunci: data warehouse desain, model multidimensi, sistem basis pengetahuan1. PENDAHULUANData warehouse adalah sebuah teknologi yangmemungkinkan data dapat diakses dengan mudah danefisien untuk mendukung pengambilan keputusan. Dilingkungan universitas, teknologi ini dapat digunakanuntuk menunjang terselenggaranya kegiatan belajarmengajar dan pengelolaan administrasi universitas.Pengelolaan sistem informasi yang baik dapatmendukung kegiatan belajar mengajar dengan caramemelihara ketersediaan data dan penyediaaninformasi yang diperlukan oleh para pengambilkeputusan di perguruan tinggi. Sebagai sebuahinstansi yang berkecimpung dalam dunia akademik,sebuah perguruan tinggi hendaklah memiliki sebuahsistem data warehouse yang mampu memenuhikebutuhan para pengambil keputusan yang berkaitandengan kelangsungan kegiatan akademik danadministrasi di lingkungan universitas.Untuk mendukung berjalannya sistem informasidengan baik, mulai tahun 1995 USU telahmembangun sebuah sistem jaringan terpadu yangmenghubungkan 10 fakultas dan beberapa unitpenunjang administrasi lainnya. Sistem jaringanterpada USU dibangun dengan menggunakan kabelserat optik sebagai tulang punggung jaringan.Berbagai sistem aplikasi yang dibangun untukkeperluan akademik dan administrasi telah diterapkandengan memanfaatkan sistem jaringan terpadutersebut. Sejalan dengan penyelenggaraan sistemakademik dan administrasi ini, data transaksi yangdihasilkan hari demi hari semakin bertambah besar.Pada gilirannya, pihak pengambil keputusan di USUakhirnya menyadari bahwa mereka memerlukansebuah alat yang dapat membantu mereka dalammelakukan analisis data dan membantu merekadalam pembuatan laporan.Dalam makalah ini, kami mengajukan sebuahmetodologi desain untuk perancangan datawarehouse konseptual yang disebut metodologiberorientasi-transformasi, yang mentransformasimodel ER (Entity-Relationship) menjadi modelmultidimensi berdasarkan pada sederetan aturantransformasi dan analisis. Metodologi berorientasi-transformasi dimaksud menterjemahkan model ER kedalam sebuah bahasa spesifikasi dan kemudianmengubahnya menjadi model domain masalah awal.Sekumpulan aturan sintesis dan diagnosis kemudian
  2. 2. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung213secara bertahap mengubah model domain masalahtersebut menjadi model multidimensi. Untukmengimplementasikan metodologi yangdikemukakan tersebut, telah dibangun sebuahprototipe alat berbasis-pengetahuan yang disebutDWDesigner. Model multidimensi yang dihasilkanoleh DWDesigner sebagai output disajikan dalambentuk grafik untuk mendukung visualisasi yanglebih baik. Pembangunan prototipe sistem inidimaksudkan sebagai langkah inisiatif awal dalamrangka pembangunan data warehouse di USU.2. PERANCANGAN DATA WAREHOUSEKONSEPTUALPerancangan data warehouse konseptual adalahsebuah proses untuk membangun model datawarehouse yang disajikan dalam bentuk modelmultidimensi. Penelitian-penelitian mengenaiperancangan data warehouse konseptual telah mulaimemperoleh lebih banyak perhatian dari komunitasdatabase sejak akhir tahun 1990an dengan sasaranuntuk membangun sebuah skema konseptual yangdapat dimengerti baik oleh pengguna maupun sistemanalis sekaligus memberikan basis untuk tahapan-tahapan proses perancangan selanjutnya. Salah satupendekatan utama yang diambil oleh komunitas risetuntuk pembangunan model ini adalah berdasarkanmodel ER yang diperluas atau yang ditransformasi kedalam model multidimensi. Penelitian dalam bidangini kemudian meluas ke pembangunan perancangankonseptual otomatis yang menuju ke pembangunancase tool untuk perancangan data warehouse.Beberapa penelitian telah dilaksanakan untukpengembangan metodologi perancangan model datawarehouse konseptual berdasarkan model ER. Secaraumum, metodologi yang digunakan dapatdiklasifikasikan ke dalam dua kategori berdasarkanpendekatan perancangannya, yakni perluasan ER dantransformasi ER. Pendekatan perluasan ERmenggunakan model ER sebagai input danmemperluasnya dengan komponen-kompnentambahan sedemikian hingga model tersebut dapatdipetakan ke model multidimensi. Beberapapenelitian yang menggunakan pendekatan ini antaralain Multidimensional Entity Relationship (ME/R)[1], Structured Entity Relationship Model (SERM)[2], dan Event-Entity-Relationship model (EVER) [3].Pendekatan transformasi ER juga menggunakanmodel ER sebagai input, tetapi tidak denganmemperluas konstruksi ER melainkanmentransformasi model ER itu secara berangsur-angsur menjadi model multidimensi menggunakanteknik dan algoritma yang berbeda-beda. Tujuanpendekatan ini adalah untuk memformulasikansebuah metodologi untuk mengembangkanperancangan data warehouse konseptual. Komunitaspenelitian database telah memulai kerja-kerja risetdalam konteks ini sejak akhir tahun 1990an denganpenelitian oleh [4]. Penelitian berikutnya dilakukanoleh [5], [6], [7], [8], dan [9].3. PENDEKATAN BERORIENTASI-TRANSFORMASIPendekatan berorientasi-transformasi yang digunakanpada penelitian ini secara progresif mentransformasisebuah model ER menjadi model multidimensi dalamlima tahapan. Untuk setiap tahapan akan ada berbagaiatruran transformasi yang diterapkan pada inputuntuk memperoleh output yang diinginkan. Sebagianaturan transformasi tersebut ada dalam bentuk aturansintaks, sedangkan yang lainnya dapat berbentukaturan sintesis dan diagnosis (Gambar 1).GAMBAR 1. PENDEKATAN BERORIENTASI-TRANSFORMASIGambar 1 memperlihatkan kelima tahapan prosestransformasi tersebut, yang terdiri dari: penerjemahanmodel ER menjadi model bahasa spesifikasi,transformasi model bahasa spesifikasi menjadi modeldomain masalah, ekspansi model domain masalah,transformasi model domain masalah menjadi modelmultidimensi, dan perbaikan model multidimensi.Tahap pertama dilakukan dengan bantuan satu setaturan sintaks. Tahap kedua dan seterusnyaberinteraksi dengan sebuah basis pengetahuan yangberfungsi sebagai tempat penyimpanan fakta.Interaksi diantara tahapan-tahapan itu dan basispengetahuan dikendalikan oleh sekumpulan aturansintesis dan diagnosis, yang tersimpan di dalam
  3. 3. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung214sebuah tempat penyimpanan aturan. Aturan-aturan iniberfungsi untuk mempertahankan integritas basispengetahuan dengan cara menyelesaikan ketidakkonsistenan yang disebabkan oleh tahapan-tahapanyang berinteraksi.Agar sistem memahami sifat-sifat dan kandungansemantik dari model ER sebelum pemrosesan, modelER yang disajikan dalam bentuk diagram ER,diterjemahkan ke dalam bentuk yang dapat dibacaprogram. Untuk ini kami mengajukan sebuah modelbahasa spesifikasi dan parser sederhana untukmembantu transformasi. Dalam proses transformasi,tiap entiti dalam model ER dipetakan ke sebuahstruktur kelas di dalam model bahasa spesifikasidimana nama entiti menjadi nama kelas dan sifat-sifatentiti sebagai sifat-sifat kelas. Sebagai contoh, jikasebuah entiti Student memiliki sifat-sifat berikut:sebuah atribut Class, sebuah subklasGRAD_STUDENT, dan satu himpunan relationship,maka model bahasa spesifikasinya akan berupa:CLASS "STUDENT"ATTRIBUTE (("Class": Integer))IDENTIFIER NILSUBCLASS ("GRAD_STUDENT")AGGREGATION NILRELATIONSHIP(("Minor" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")("Major" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")("Registered" "CURRENT_SECTION" "(("Count":Integer))" "(1 n)" "(1 m)")("Transcript" "SECTION" "(("Grade": Float))""(1 n)" "(1 m)"))End-ClassSelain dari ketiga buah sifat seperti dinyatakan di atas,model ini juga mencatat sifat-sifat lain sepertiidentifier dan agrregation, yang dalam hal ini diberiharga NIL karena entiti Student tidak memiliki sifatini. Dengan menggunakan model ini, pengguna dapatmemberikan jenis data tiap atribut, misalnya atributClass pada contoh di atas diberi jenis data integer.Bagian relationship pada model bahasa spesifikasi diatas terdiri dari lima bagian: nama relationship, entitiyang berpartisipasi, atribut relationship, dan kendalapertama dan kedua relationship dalam format (min,max).Model bahasa spesifikasi yang diformulasikan di ataskemudian ditransformasi menjadi model domainmasalah awal. Sistem yang digunakan mengikutipendekatan berbasis pengetahuan untuk menyimpanmodel domain masalah tersebut dimana setiap faktayang merepresentasikan domain masalah dituliskandalam bentuk triplet (Property Entity Value).Dengan menggunakan representasi ini, domainmasalah awal yang dibuat dari entiti Student di atasdapat dijabarkan sebagai berikut:(Has-Attribute “STUDENT” ((“Class”: Integer)))(Has-Subclass “STUDENT” (“GRAD_STUDENT”))(Has-Relationship “STUDENT”((“Minor”, “DEPARTMENT” “NIL” “(1 1)” “(1 n)”)(“Major”, “DEPARTMENT” “NIL” “(1 1)” “(1 n)”)(“Registered”, “CURRENT_SECTION” “((“Count”:Integer))” “(1 n)” “(1 m)”)(“Transcript”, “SECTION” “((“Grade”: Float))” “(1 n)”“(1 m)”))Pada tahapan berikutnya, domain masalah awaltersebut diekspansi lebih lanjut menggunakan satu setaturan sintesis dan diagnosis. Akhirnya, dalam duatahapan terakhir, diperoleh model multidimensi danperbaikan yang diinginkan dapat dilakukan untukmemenuhi keperluan user yang spesifik.4. PROTOTIPE KNOWLEDGE-BASED TOOLSebuah prototipe knowledge-based tool yang disebutDWDesigner telah dikembangkan untukmengimplementaskan pendekatan berorientasi-transformasi sebagaimana dijelaskan pada bagiansebelumnya. Alat ini dikembangkan menggunakanpendekatan modular yang memungkinkanpembangunan alat tersebut dilakukan dengan caraevolusioner dalam hal mana versi terakhir dariprototipe sistem dikembangkan berdasarkanperbaikan dan peningkatan dari versi-versisebelumnya. Versi terakhir DWDesigner yang telahdikembangkan belum mengimplementasikankeseluruhan perancangan data warehouse secaralengkap yang meliputi tahapan perancangan logikaldan tahapan perancangan fisikal. Akan tetapi, dalammengimplementasikan tahapan konseptual datawarehouse, DWDesigner telah menunjukkan outputyang konsisten.Arsitektur DWDesigner terdiri dari tiga lapisan, yakniantarmuka pengguna, mesin inferensi dan knowledgebase seperti terlihat dalam Gambar 2. Antarmukapengguna memfasilitasi interaksi dengan pengguna,yaitu pengguna akhir dan knowledge engineer.Antarmuka ini memberikan cara yang mudah bagipengguna akhir untuk melaksanakan tugas-tugasperancangan yang diinginkannya denganmemanfaatkan antarmuka pengguna grafis daribahasa pemrograman visual. Sementara itu,knowledge engineer adalah orang yang bertanggungjawab untuk menambahkan pengetahuan ke dalamknowledge base sistem.
  4. 4. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung215GAMBAR 2. ARSITEKTUR DWDESIGNERMesin inferensi bertindak sebagai penyediamekanisme inferensi dan kontrol bagi keseluruhansistem untuk menghasilkan output yang diinginkan.Mekanisme inferensi menggunakan satu set aturansintesis dan diagnosis serta fakta-fakta yangtersimpan di dalam knowledge base dalam prosespengambilan keputusan. Sebaliknya, mekasnismekontrol bertanggungjawab untuk melancarkan prosestransformasi seperti memulai prosedur inferensi,memilih aturan yang digunakan apabila ada lebih darisatu aturan yang sesuai, dan melaksanakan pencarianpenyelesaian.Knowledge base adalah lapisan terbawah dariarsitektur sistem yang berinteraksi secara langsungdengan memori sistem komputer dan mesin inferensi.Dua komponen knowledge base, yakni rules base danfacts base adalah inti dari sistem knowledge base danmenempati bagian terbesar dari Gambar 2. Bagianfacts base memperlihatkan bagaimana representasisementara dan representasi akhir pengetahuantersimpan dalam memori. Sementara bagian rulesbase memperlihatkan bagaimana aturan-aturantransformasi yang berlainan tersebar dalam berbagaimodul dan menunjukkan pula bagaimana aturan-aturan dalam asing-masing modul dan facts base berinteraksi secara langsung.5. PROSES TRANSFORMASIDalam bagian ini, akan diperlihatkan hasil yangdiperoleh dari pengujian prototipe sistem danmenjabarkan ketelitiannya dalam menghasilkanoutput pada setiap tahapan proses transformasihingga diperolehnya model multidimensi dankemudian diperlihatkan pula bagaimana penggunadapat memperbaiki model itu untuk memenuhikebutuhan yang spesifik. Untuk itu, sebagai sampeldiambil model ER dari domain universitas untukinput data pada DWDesigner seperti ditunjukkanpada Gambar 3.GAMBAR 3. SAMPEL DOMAIN UNIVERSITASUntuk mendemonstrasikan bagaimana alat tersebutmenghasilkan output dari input yang diberikan, kitaakan melihat hasil setiap tahapan perancangandengan memilih entiti Student dari ER diagram dalamGambar 3 sebagai contoh. Pada tahap pertamapengguna menterjemahkan model ER kedalammodeI bahasa spesifikasi, contoh untuk entiti Studentdiperlihatkan seperti berikut ini:CLASS "STUDENT"ATTRIBUTE (("Class": Integer))IDENTIFIER NILSUBCLASS ("GRAD_STUDENT")AGGREGATION NILRELATIONSHIP (("Minor" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")("Major" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")("Registered" "CURRENT_SECTION" "(("Count":Integer))" "(1 n)" "(1 m)")("Transcript" "SECTION" "(("Grade": Float))" "(1 n)""(1 m)"))End-ClassPada tahap kedua alat itu menghasilkan sebuah daftarentiti, yang mencatat masing-masing nama entiti dansifat-sifatnya, dan menyimpan daftar entiti tersebutsebagai output sementara dalam bentuk file teks.Bagian file yang memuat entiti Student diperlihatkanseperti berikut:Entity Name: "STUDENT"Attribute(s):Class: IntegerIdentifier(s): NILSubclass(es): (“GRAD_STUDENT”)Aggregation(s): NILRelationship(s):("Minor" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")("Major" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")("Registered" "CURRENT_SECTION" "(("Count":Integer))" "(1 n)" "(1 m)")("Transcript" "SECTION" "(("Grade": Float))" "(1 n)" "(1 m)"))
  5. 5. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung216Selanjutnya pada tahap ketiga, alat tersebutmelakukan sederetan langkah pembuatan modeldomain masalah awal, dengan mengekspansi modelmelalui penurunan lebih banyak fakta dari subclassdan superclass, membuat entiti baru, mewariskansifat-sifat baru, membuat daftar objek, danmenyimpan deskripsi objek ke dalam file outputsementara.Pada tahap keempat alat tersebut menghasilkansebuah daftar fakta yang memuat kandidat skemafakta model multidimensi dari masing-masing entitidan menyimpannya sebagai output. Akhirnya, padatahap terakhir, pengguna dapat meperbaiki skemafakta yang dihasilkan. Perbaikan ini perlu karena jikatidak dilakukan, alat itu hanya menghasilkan modelmultidimensi berdasarkan pada sifat-sifat entiti yangtersedia dari model ER yang dijadikan sumberperancangan. Sebagai contoh, pengguna mungkinmenginginkan skema fakta itu diukur berdasarkanjumlah mahasiswa sehingga dapat diketahui menurutjenis kelamin, kota, peovinsi dan negara asal, sertadepartemen dan fakultas untuk interval waktubulanan, semester dan tahunan. Model multidimensiuntuk skema fakta Student sebelum dan sesudahperbaikan diperlihatkan dalam Gambar 4.GAMBAR 4. SKEMA FAKTA SEBELUM DAN SESUDAHPERBAIKANUntuk memperoleh model multidimensi yangdiinginkan, pengguna melakukan perbaikan berikut,yaitu mengubah pengukuran dengan memodifikasiClass menjadi Number_Of_Student. Memperbaikidimensi temporal dengan memodifikasi Bdatemenjadi Month Semester Year, mengubah hirarkidimensi dengan cara membuang Name, dan Ssn,mengagregasi Address menjadi City, State, danCountry serta memangkas dan mengagregasi hirarkidimensi Dname dan ColName.Untuk menambah visualitas output, modelmultidimensi yang dihasilkan ditampilkan dalambentuk grafik seperti terlihat pada Gambar 5.GAMBAR 5. MODEL MULTIDIMENSI STUDENT6. KESIMPULANDalam makalah ini telah diperlihatkan prosesperancangan data warehouse konseptual secaraotomatis menggunakan satu prototipe knowledgebase tool. Dengan menggunakan alat ini penggunadari pihak universitas dapat memulai langkah awalanalisis dan pelaporan mengenai proses belajarmengajar dan pengelolaan administrasi universitas.Inisiatif pengembangan data warehouse ini dapatdilanjutkan dengan melengkapi sistem yang dibangunini dengan tahapan-tahapan lanjut perancangan datawarehouse, yakni tahapan perancangan logikal dantahapan perancangan fisikal.7. REFERENSI[1] C. Sapia, M. Blaschka, G. Höfling, & H. Dinter,“Extending the E/R model for the multidimensionalparadigm”. In: Kambayashi, Y., Lee, D.K., Lim, E-.P., Mohania, M.K. & Masunaga, Y. (Eds.). Advancesin Database Technology. Proc. of the 1st Int.Workshop on Data Warehouse and Data Mining(DWDM98), LNCS 1552, pp. 105-116, 1998.
  6. 6. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung217[2] M. Boehnlein, & A. Ulbrich-vom Ende,“Deriving initial data warehouse structures from theconceptual data models of the underlying operationalinformation systems”. Proc. of the ACM 2ndInt.Workshop on Data warehousing and OLAP(DOLAP’99), pp. 15–21, 1999.[3] L. Bækgaard, “Event-entity-relationship modelingin data warehouse environments”. Proc. of the ACM2ndInt. Workshop on Data warehousing and OLAP(DOLAP’99), pp. 9 – 14, 1999.[4] M. Golfarelli, D. Maio, & S. Rizzi, “Conceptualdesign of data warehouses from E/R schemes”, Proc.of 31st Hawaii International Conference on SystemSciences, pp. 334-343, 1998.[5] L. Cabibbo, & R. Torlone, “A logical approach tomultidimensional databases”. Proc. of 6th Int. Conf.on Extending Database Technology (EDBT98), pp.253-269, 1998.[6] N. Tryfona, F. Busborg, & J.G.B. Christiansen,“starER: a conceptual model for data warehousedesign”. Proc. of the ACM 2nd Int. Workshop onData Warehousing and OLAP, pp. 3-8, 1999.[7] B. Hüsemann, J. Lechtenbörger, & G. Vossen,“Conceptual data warehouse design”, Proc. of theInternational Workshop on Design and Managementof Data Warehouse (DMDW ‘2000), pp. 6-1 – 6-11,2000.[8] D. Moody, & M.A.R. Kortink, “From enterprisemodels to dimensional models: a methodology fordata warehouse and data mart design”. Proc. of Int.Workshop on Design and Management of DataWarehouses (DMDW’2000), pp. 5-1 – 5-12, 2000.[9] C. Phipps, & K.C. Davis, “Automating datawarehouse conceptual schema design and evaluation”.Proc. of the 4th Int. Workshop on Design andManagement of Data Warehouses 2002(DMDW2002), pp. 23-32, 2002.
  7. 7. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung218[

×