1
1
]
1
+
1
1
]
1
2
1
] ) ' ( 1 [
2
1
2
x
x
ydx
y
gy
2
) ; , , (
x
x
x
dx y y x f
2
) ' , , (
x
x
x
dx y y x f
Optimisasi dimensi hingga optimisasi
dimensi takhingga
Bandingkan !
1. Cari x min y = f(x)
2. Cari y min J =
2
) ' , , (
x
x
x
dx y y x f
dicari titik dlmrg
(vektor) dim hingga
Dimensi hingga
Kalkulus
Pers diff
dicari : kurva (dlm
rg fungsi)
Dimensi takhingga
kalkulus variasi
Pers integral
Model Keseimbangan Lingkungan
Model Interaksi 2 spesies
Model pengendalian populasi ikan
Interaksi antar 2 spesies :
1. mangsa-pemangsa
2. saling kerjasama
3. saling kompetisi
1.mangsa-pemangsa
mangsa pemangsa
pemangsa makan mangsa
Tanpa ada pemangsa, mangsa akan
berkembang cepat, tak terbatas
Tanpa adanya mangsa, pemangsa lama-2
akan musnah
Berikan contohnya !
x = populasi mangsa ; y = populasi pemangsa
Laju kenaikan x sebanding dgn x tanpa adanya pemangsa,
mangsa berkembang pesat tak terbatas. dx/dt = a x
Laju kenaikan tsb dihambat dgn interaksinya dgn pemangsa
dx/dt = a x - xy
Laju kenaikan y sebanding dgn interaksinya,xy dy/dt = dxy
Tapi, tanpa adanya mangsa, pemangsa akan musnah ? laju penurunan
oemangsa sebanding dgn mangsa dy/dt = - ?y
dy/dt = - ?y + dxy
Model Matematis: tentukan x dan y yang memenuhi
(0) dx/dt = a x - xy
(1) dy/dt = - ?y + dxy
(a, , ?,d : tetapan positif)
Bentuk umum:
Tentukan x, y
dx/dt = f(x,y)
dy/dt = g(x,y)
Tulis dy/dx = (dy/dt) / (dx/dt)
= pers.diff orde pertama
Penyelesaian:
a ln y y = - ? ln x + d x + K (K : tetapan pengintegralan), memberikan
peny implisit pers.trayektory pd bid-xy
x y
y x
) (
) (
+
dx
x
x
dy
y
y
'
.
K
e
x y
x y
+
Teknik bid. Fase: perh titik kritis (0,0) dan (?/d, a/)
Di sekitar (0,0):
dx/dt ax, dy/dt ?y
di sini, a=a, b = 0, c = 0, dan d = -?
Selanjutnya diperoleh pers.kuadrat : r
2
ar a ? = 0, yg memberikan
r
1
= a + (a
2
+ 4a?)
1/2
r
2
= a - (a
2
+ 4a?)
1/2
Di sini, r
2
< 0 < r
1
, diperoleh bhw (0,0) merupakan titik pelana
Di sekitar (?/d, a/), atau x = ?/d + u, y = a/ +v , (u,v nilai kecil)
Dari (0), d(?/d + u)/dt = a (?/d + u) (?/d + u) . ?/d + + v),
maka du/dt = - (?/d).v (suku uv diabaikan)
Dari (1), dgn cara yg sama,
dv/dt = (da/).u
Dgn demikian maka, b = - (?/d), c = (da/), dan d = 0,
Sehingga memberikan
r
2
+ a? = 0
memp 2 akar yg sama, yaitu :
r = i(a?)
1/2
merupakan suatu pusat
Interpretasi grafik ?
Trayektory tertutup hub mangsa & pemangsa
y : pemangsa
IV III
a/
I II
?/d x : mangsa
(I)# pemangsa menurun krn kelangkaan mangsa, # mangsa naik akibat
kelangkaan pemangsa
(II) Kenaikan pop mangsa sesuai dgn penurunan pop pemangsa
(III) # pemangsa naik sesuai dgn penurunan pop mangsa
(IV) Sbg akibat kelangkaan mangsa, baik pemangsa maupun mangsa menurun
Model lain, x: pop mangsa, y = pop pemangsa
dx/dt = ax +by
dy/dt = -cx +dy interpretasikan model tsb !
Model saling kerjasama
dx/dt = -ax + by
dy/dt = cx dy
Model saling kompetisi
dx/dt = ax bxy
dy/dt = cy + dxy
Model pengendalian populasi ikan
Pertumbuhan individual ikan
w = w(t): berat seekor ikan saat t
Model Pertumbuhan Bertalanffy : dw/dt = aw
2/3
w
Penyelesaian : w = (a/)
3
[1 + (A/a).e
-t/3
]
3
Unt t 8 , w w
8
= (a/)
3
; unt t 0, A = -a/.
w(t) = w
8
[1 e
-?t
]
3
, dengan ?=/3 (*)
w
w
8
t
Kelompok ikan muda, juml n
0
perkembangan pop : n(t) = n
0
e
-Rt
R :tetapan (**)
Model penangkapan : laju pengurangan dari R s/d R+F, dgn F : ukuran
# penangkapan
saat t=M, n(t) = n
0
e
-RM
, saat t M, n(t) = n
0
e
-RM
.e
-(R+F)(t-M)
n
0
laju peluruhan (alami) R
R+F
M t
pop ikan yg hidup s/d umur t thn
Gabungkan (*) dan (**) model hasil penangkapan
Hasil penangkapan
8
Y = ?w(t) x (# ikan umur t yg terangkap) dt
M
8
= ?w
8
[1 e
-?t
]
3
F.n
0
e
-RM
.e
-(R+F)(t-M)
dt
M
Penyelesaian : Y = Y(F,M) fungsi pengendalian
F : # upaya penangkapan
M : ukuran minimum yg ditangkap
Model diskret Model diskretisasi
Kontinu - diskret
domain :
a b
x [1, 5]
x = {1,2,3,4,5}
Fungsi kontinu :
Fungsi diskret : ?
Model diskret dan model hasil diskretisasi
Diskretisasi domain grs , misal pada proses ?f(x)dx
? x
Diskretisasi domain x kurva f kontinu (bayangan)
menjadi sejumlah titik
Lengk.diganti grs lurus
Diskretisasi domain bidang
Bidang datar (bid xoy)
y
x
Diskretisasi domain permukaan lengkung (bayangan)
menjadi perm.datar
domain, f( ): bid.lengk
diaproksimasi oleh bid.
datar
Diskretisasi domain (x,y) diskretisasi
bayangan f(x,y)
Domain : bidang datar
Bayangan : bidang lengkung
domain D didiskretisasi
2 teknik:
model diferensi hingga
{titik-titik dalamD}
metode diferensi hingga
) , (
4
2
, 1 , 1 , 1 , 1 ,
t x q
h
P P P P P
j i j i j i j i j i
+ + +
+ +
Penerapan Metode Elemen Hingga
Metode Diferensi Hingga
Engineering :
Aerodinamika aliran fluida
* Disain struktur
- bangunan (gedung, jembatan, menara)
- badan kendaraan (mobil, pesawat terbang, kapal)
* Disain struktur pipa
http://en.wikipedia.org/wiki/File:Golden-Gate-Bridge.svg#file
http://en.wikipedia.org/wiki/File:Golden-Gate-Bridge.svg#file
http://www.tour-eiffel.fr/teiffel/uk/documentation/structure/page/structure.html
http://www.istructe.org/stephenscityscape/empire_state_building.aspx
http://upload.wikimedia.org/wikipedia/commons/8/88/Ship_diagram-numbers.svg
http://upload.wikimedia.org/wikipedia/commons/6/64/Lines_plan_en.svg
http://en.wikipedia.org/wiki/Pipeline_transport
Model discreet
Perhatikan kembali model kontinu : laju perkembangan
pop sebanding dgn besarnya pop saat itu
Ambil waktu-waktu tertentu, t=0,1,2, , t, t+1, .
0 1 2 3 . . . . t-1 t t+1 waktu
x
t
= besarnya populasi akhir periode waktu ke t
x
t-1
= besarnya populasi akhir periode waktu ke t-1
Asumsi diskret : laju perkembangan pop sebanding
dgn besarnya pop pada akhir periode seblmnya.
pers.diferensi :
dx/dt= kx, x(t
0
)=x
0
x
t+1
x
t
= kx
t
;
x
0
diberikan
Apa perbedaan
keduanya ?
Perhatikan pers diferensi : x
t+1
x
t
= kx
t
atau
x
t+1
(1+k) x
t
= atau linear orde 1
x
1
= (1+k)x
0
;
x
2
= (1+k)x
1
= (1+k)(1+k)x
0
= (1+k)
2
x
0
..
x
n
= (1+k)x
n-1
= (1+k)
n
x
0
peny.umum
Apabila x
0
diberikan, akan menjadi peny.khusus
Dapatkah k = -1?, k < -1 ? apa syarat k?
unt k = 0, apa yg terjadi ?
unt k > 0, apa yg terjadi ?
unt -1 <k < 0, apa yg terjadi ?
x
n
= x
0
x
n
, barisan naik (cepat)
x
n
, barisan turun 0
Observasi : Prob pasangan memp n anak adalah 0,6
dari pasangan memp (n-1) anak.
Berapa prob suatu pasangan tdk memp anak?
p
n
: prob pasangan memp n anak
p
n
= 0,6 p
n-1
, pers.diferensi linear orde 1
p
1
= 0,6 p
0
p
2
= 0,6 p
1
= (0,6)
2
p
0
.
.
p
n
= (0,6)
n
p
0
Memberikan:
p
0
= 0,4 (darimana?)
Peny.khusus : p
n
= (0,4)(0,6)
n
.
Probabilitas: p
0
+p
1
++p
n
+ ..=1
p
0
+ 0,6 p
0
+ (0,6)
2
p
0
+ (0,6)
n
+ = 1
p
0
[1+0,6+ (0,6)
2
+ + (0,6)
n
+ .]= 1
p
0
[ 1 / (1-0,6)] = 1 atau
1
6 , 0 1
0
p
Pada suatu daerah, besarnya pop. pada suatu generasi adalah
jumlah besarnya pop. pada 2 generasi sebelumnya. Apabila
besarnya pop. generasi pertama : 0 dan generasi kedua :
1(ribuan), maka tentukan besarnya pop.pd sembarang generasi
x
n
: besarnya pop generasi ke-n , maka
x
n
= x
n-1
+ x
n-2
; atau x
n+1
= x
n
+ x
n-1
; atau
x
n+1
- x
n-1
- x
n-2
= 0 pers dif.si orde 2, koef.konst, homogen
Pers.bantu : r
2
r 1= 0, akarnya: r
1
= ; r
2
=
Peny.umum: x
n
=
Unt x
0
= 00 = k
1
+ k
2
dan unt x
1
= 11=
memberikan k
1
= ; k
2
=
Jadi, x
n
=
2
5 1 +
2
5 1
,
_
,
_
+
2
5 1
2
5 1
2 1
k k
n n
k k
,
_
,
_
+
2
5 1
2
5 1
2 1
5
1
5
1
n n
,
_
,
_
+
2
5 1
5
1
2
5 1
5
1
Pada suatu lingkungan hidup, suatu spesies serangga jika tidak dimakan
hewan pemangsa maka akan berlipat dua setiap tahun. Rata-rata
pemangsa makan 20 serangga/thn. Jika awalnya terdpt 2000 serangga
dan 50 pemangsa dan pop pemangsa selalu tetap, maka tentukan
perkembangan populasi kedua hewan tsb.
x
n
: pop serangga , x
n
: pop pemangsa.
x
n+1
= 2x
n
20 y
n
y
n+1
= y
n
Misal y
n
= m, maka x
n+1
= 2x
n
20m
x
1
= 2x
0
20m
x
2
= 2x
1
20m = 4x
0
60m
x
3
= 8x
0
140m;
Peny.umum: x
n
= 2
n
x
0
(2
n
-1)20m
Dengan x
0
= 2000, y
0
= m = 50 memberikan
x
n
=(2
n
)2000 (2
n
-1)1000 = 2
n
(1000) + 1000
Sistem pers.diferensi (sederhana)
ubah ke pers.diferensi
Model Probabilistik
Pendekatan ketaktertentuan
(uncertainty - nondeterministic )
1. Probabilistik Stokhastik
2. Posibilistik
(penerapan logika fuzzy)
Sistemdeterministik ? SistemStokastik ?
Pandang sistem I/O berikut:
1
3
2 5
5
11
x
?
Hub?
deterministik
input = x; ouput = y
y = 2x+1
1
Pandang sistem I/O berikut:
mungkin y = 2x+1
mungkin y = x
2
1 3
2
4
1 1
3
9
2
5
x ?
Hub ?
Sistem I/O tsb tergantung suatu
fenomena. Fenomena apa?
Fenomena stokastik
(probabilistik)
Berupa apa ?
Proses Stokastik
terdapat 2 unsur : (i) keadaan (ii)waktu
contoh ?
E : ruang keadaan
T : ruang waktu, himp kontinu (diskret).
Anggota E tergantung waktu anggota T berupa
indeks-2 dari anggota E
Proses stokastik merupakan keluarga peubah acak
berindeks t T
{X
t
(E), t T}
Apabila anggota E merupakan barisan keadaan, dgn
sifat bhw suatu keadaan tergantung pd keadaan
sebelumnya, maka akan berupa proses apa?
Peralihan keadaan :
(i) sebelumnya di A selanjutnya di B
(ii) sebelumnya di A selanjutnya di C
(iii) tetap di A
A B
C
A B
C
A B
C
Misal, sekarang di B, selanjutnya :
(i) di A lagi (ii) di C, (iii)tetap di B
A B
C
A B
C
A B
C
Peralihan ada
unsur
probabilitas
Rantai Markov : ..
Terdapat barisan keadaan : E
t0
, E
t1
, ., E
tn.
Apa yang terjadi untuk waktu yg lama ? atau n8 ?
Dlm sistem statik (kenapa bukan dinamik?), akan
menuju keadaan ergodik
E
0
E
1
E
2
E
n
Sifat: bila sistem dalam keadaan E
k
, se-olah2 hanya ingat
keadaan E
k-1
, melupakan keadaan E
k-2
.
Masalah Perencanaan Penjualan :
observasi perilaku konsumen thd 2 merk dari suatu
produk
Minggu y.l beli A, minggu ini tetap beli A, prob.nya p = 0,7
Minggu y.l beli A, minggu ini ganti beli B, prob.nya p = 0,3
Minggu y.l beli B, minggu ini tetap beli B, prob.nya p = 0,6
Minggu y.l beli B, minggu ini ganti beli B, prob.nya p = 0,4
Matriks prob transisi A B
A 0,7 0,3
B 0,4 0,6
Konsumen yg awalnya beli A, minggu 1,2, beli merek A,
B, B, A, B. Prob pd minggu ke-6 tetap beli B ?
Probabilitas transisi n langkah (n = 2)
ke-0 ke-1 ke-2 trans 2 lkh prob trans
A AA (0,7)(0,7)=0,49 +
A 0,7
0,7 0,3 B AB (0,7)(0,3)=0,21 *
A
0,3 0,4 A A A (0,3)(0,4)=0,12 +
B
0,6 B AB (0,3)(0,6)=0,18 *
Beli A (mg 0) beli A(mg 1) beli A(mg 2)
p(A mg 1 | A mg 0). p(A mg 2|A mg 1) =
(0,7)(0,7) = 0,49
Probabilitas transisi n langkah (n = 2)
ke-0 ke-1 ke-2 trans 2 lkh prob trans
A BA (0,4)(0,7)=0,28 #
A 0,7
0,4 0,3 B BB (0,4)(0,3)=0,12 &
B
0,6 0,4 A BA (0,6)(0,4)=0,24 #
B
0,6 B BB (0,6)(0,6)=0,36 &
Beli B (mg 0) beli A(mg 1) beli A(mg 2)
p(A mg 1 | B mg 0). p(A mg 2|A mg 1) =
(0,4)(0,7) = 0,28
Probabilitas transisi n langkah (n = 2)
P =
P
2
=
P
3
=
P
4
=
P
5
=
P
n
= ?
1
]
1
6 , 0 4 , 0
3 , 0 7 , 0
1
]
1
1
]
1
1
]
1
48 , 0 52 , 0
39 , 0 61 , 0
6 , 0 4 , 0
3 , 0 7 , 0
6 , 0 4 , 0
3 , 0 7 , 0
1
]
1
1
]
1
1
]
1
444 , 0 556 , 0
417 , 0 583 , 0
6 , 0 4 , 0
3 , 0 7 , 0
48 , 0 52 , 0
39 , 0 61 , 0
1
]
1
1
]
1
1
]
1
4332 , 0 5668 , 0
4251 , 0 5749 , 0
6 , 0 4 , 0
3 , 0 7 , 0
444 , 0 556 , 0
417 , 0 583 , 0
1
]
1
1
]
1
1
]
1
4300 , 0 5700 , 0
4275 , 0 5725 , 0
6 , 0 4 , 0
3 , 0 7 , 0
4332 , 0 5668 , 0
4251 , 0 5749 , 0
(i)Prediksi pangsa pasar :
observasi : pangsa pasar A : 30% , pangsa pasar B : 70%
prediksi 3 minggu y.a.d :
pangsa pasar A = 56,4% ; B = 43,6%
(ii)Prediksi persediaan
Observasi: 4500 langganan secara tetap beli A dan B
dengan pangsa pasar A : 30%, B: 70%
Prediksi persediaan 3 minggu y.a.d
A : (0,564)(4500) = 2.538 (buah)
B : (0,436)(4500) = 1.962 (buah)
[ ] [ ] [ ] 436 , 0 564 , 0
444 , 0 536 , 0
417 , 0 583 , 0
7 , 0 3 , 0
3
2 1
1
]
1
P s s
Pertanyaan :
Dalam menyelesaikan masalah,
Kapan digunakan
pendekatan probabilistik
(stokastik)
Kapan-kapan ?
Tergantung soalnya ?
Tergantung perintah ?
Jadi, Kapan dong ?
Model spesifik
Penjualan - Promosi
Penjualan
apa maksudnya?
apa yg diharapkan ?
bagaimana penjualan tanpa promosi ?
Promosi
apa maksudnya ?
macam bentuk ?
biaya ?
Hub promosi & penjualan (model Vidale-Wolfe)
S(t) : tingkat penjualan ; A(t) : tingkat promosi
Penjualan (tanpa promosi) : (kenapa -?) (1)
Penjualan (dgn promosi) :
Laju penjualan sebanding dg (i)laju promosi, (ii)kjenuhan psr
Jika, M : tingkat kejenuhan psr (terjadi saat t=t), maka
M-S = pasar yg blmtergarap oleh penjualan
nisbah (rasio): R= apa artinya ?)
Unt t t, S M, limR = 1
S
dt
ds
M
S
M
S M
1
Hub promosi & penjualan (model Vidale-Wolfe)
penjualan (dgn promosi):
Laju penjualan sebanding dg (i)laju promosi, (ii)kjenuhan psr
(2)
(1) gabung (2) : atau
Vidale-Wolfe
Hal khusus: A tetap sepanjang 0<t<T, selanjutnya A=0, atau
dg S(0) = S
0
Unt t>T
peny.umum:
M
S M rA
dt
dS ) (
S
M
S M rA
dt
dS
) (
rA S
M
rA
dt
dS
,
_
+ +
'
>
< <
T t
T t A
t A
, 0
0 ,
) (
A r S
M
A r
dt
dS
,
_
+ +
bt
ce b A r t S
+ ) / ( ) (
Peny khusus:
unt 0<t<T, (*)
unt t > T (**)
ambil t=T, akan diperoleh S
T
, kemudian gabung (*) dan (**)
akan diperoleh
Tk promosi
M apa artinya ?
Tk.penj
T
bt
e b A r S b A r t S
+ ) / ( ) / ( ) (
0
) (
) (
T t
T
e S t S
Model Perlombaan Persenjataan Teori Konflik
2 negara serang
A B
serang
2 koalisi negara
A
1
A
2
B
1
B
2
A
n
B
m
Potensi konflik :
Tingkat persenjataan
Pertimbangan:
(i) laju peningkatan senjata suatu negara ~ tingkat senjata negara lawan
(ii) dorongan peningkatan senjata untuk menunjukan kelebihan kekuatan
(iii)konsekuensi peningkatan senjata adalah peningkatan biaya
pertahanan
x(t) : potensi perang (tingkat persenjataan) A
y(t) : potensi perang (tingkat persenjataan) B
dx/dt = ky ax + g
dy/dt = mx by + h
Apa hub dgn pertimbangan di atas?
1.Kedua pihak tdk ada keinginan unt saling menakuti
g=h=0, berakibat x = y = 0 perlucutan senjata, perdamaian abadi
2. x=y=0 unt setiap t , ttp g, h? 0
dx/dt = g ; dy/dt = h perdamaian tdk abadi
3. Suku ky dan mx lebih dominan dari yg lain
dx/dt = ky, dy/dt = mx berpotensi adanya konflik
Turunkan thd t pd pertama: d
2
x/dt
2
= k.dy/dt = kmx
Dgn cara yg sama,
unt t 8 , x(t), y(t) 8 , apa artinya ?
Kapan mencapai titik kestabilan ?
Apa hubungan dgn pihak A ataupun pihak B ?
kmt kmt
Be Ae t x
+ ) (
kmt kmt
Be Ae
k
m
t y
+ ( ) (
apa model masalah lain yg mirip ?
Epidemi Penyakit Menular
Salah satu kebijakan yg ditangani dlm bidang
kesehatan komunitas adalah mengetahui
pola proses penyebaran suatu penyakit
(epidemi). Pola epidemi yg berbeda
memberikan kebijakan yg berbeda.
Pola epidemi ini berhubungan erat dgn model
epidemi yg diperoleh dari observasi
Model epidemi sederhana
Dilakukan observasi pd populasi tertutup (tdk
ada anggota keluar / ke dalam populasi).
Dlm populasi tsb terjadi salah satu atau
beberapa anggota yg terjangkit penyakit
menular tertentu. Salah satu masalah :
bagaimana kita memperkirakan berapa
banyak anggota populasi yg tertular setelah
sekian waktu ?
Setiap penyakit menular mempunyai sifat penularan
yg berbeda.
Pd kasus ini, seorang yg menderita penyakit dan
sembuh, maka akan kebal thd penyakit yg
sama, anggap masa inkubasinya singkat.
Bagilah populasi ke dalam 3 kelas subpopulasi:
1.Subpop yg anggotanya telah tertular dan
berisiko menularkan (infectives). Sebut I
2.Subpop yg anggotanya blm terkena penyakit,
tetapi berisiko tertular. Sebut S
3.Subpop yg anggotanya tlh terkenna penyakit
dan meninggal, atau yg tlh sembuh dan
selanjutnya kebal, atau yg diisolasikan agar tdk
menularkan. Sebut R
I + S + R = N (N: ukuran total populasi
Pd awal observasi, t=0, dianggap tlh terdpt
beberapa orang yg tlh terkena penyakit.
Tetapi blm ada seorangpun yg sembuh.
Untuk t = 0, I=I
0
. S=S
0
= N-I; R=R
0
.
Perhatikan masing-2 subpop.
1. Subpop S
laju penurunan S sebanding dgn SI. Kenapa?
dS/dt = -rSI, r : tetapan penularan
2.Subpop I
dI/dt = rSI - I. : tingkat penolakan
Kenapa ?
3.Subpop R
dR/dt = I
Kenapa ?
Model matematis
dS/dt = -rSI
dI/dt = rSI - I
dR/dt = I
Model simulasi
Model Simulasi
Khusus : Model simulasi ?
Kapan digunakan ?
Bagaimana menggunakan ?
Umum: Simulasi ?
Kapan dilakukan ?
Bagaimana melakukan ?
Model simulasi sebagai model
alternatif
Percobaan menggunakan model simulasi
data semu hasil
kotak hitam
mengapa ?
bgmn membuat
data semu ?
bgmn menjalankan
model simulasi ?
Ingat :
Model simulasi bukan model matematis !!!!!
Percobaan simulasi bukan percobaan
sebenarnya
Dihasilkan secara (i) manual
(ii) bantuan komputer
bilangan acak semu
Data yg digunakan merupakan data semu
Berhubungan dgn hasil dari fenomena acak
bilangan acak
Acuan:
BURGHES, DN and BOORRIE, MM. (1982). Modeling with
Differential Equations, Ellis Horwood Ltd
Giordani, FR and WEIR, MD. (1994). Differential Equations
Modeling Approach, Addison Wesley Publ. Co.
TAHA, HA. (1987). Operations Research An Introduction, Mac
Millan Publ. Co.
MEYER, WJ. (1984). Concepts of Mathematical Modeling,
McGraw-Hill Co.
ROSS, SL (1980). Introduction to Ordinary Differential Equations,
John Wiley & Sons
SELESAI
Semoga Anda tertarik mempelajari
Pemodelan Matematis
Pada akhirnya, Anda akan tertarik
MATEMATIKA