Analisis Sistem Informasi Perbandingan Metode Naive

Bayes dan Teorema Bayes Terhadap Hasil Diagnosis

Penyakit Kanker Neuroblastoma Pada Anak
Comparative Information System Analysis of the Naive Bayes Method and the Bayes Theorem
Against Diagnosis Results of Neuroblastoma Cancer in Children

Ayu Febrina Sianturi1, Iwan Fitrianto Rahmad2

1
Jurusan Sistem Informasi Universitas Potensi Utama
2,3
Dosen Jurusan Sistem Informasi Universitas Potensi Utama
1,2,3
Universitas Potensi Utama, K.L. Yos Sudarso KM 6,5 No. 3A Tj. Mulia - Medan
Email : ayoesianturi@gmail.com 1

Abstrak

Neuroblastoma merupakan tumor yang menyerang sel saraf pada bayi dan anak dimana secara
normal dapat mempengaruhi fungsi medulla adrenal dan ganglia simpatis. Neuroblastoma
merupakan tumor anak tersering pada anak setelah leukimia, tumor otak dan limfoma magligna.
Neuroblastoma termasuk salah satu tumor ganas dengan jumlah kasus 500-525 terdiagnosa setiap
tahunnya, penyakit ini kira-kira 8-10 % dari seluruh kasus keganasan di dunia. Insiden tahunan
terjadi pada 10 per 1 juta kelahiran hidup, lebih sering terjadi pada anak laki-laki dibandingkan
anak perempuan. Penyakit ini dapat diketahui dari beberapa gejala seperti benjolan pada perut
leher atau dada, kesulitan bernafas, mata menonjol atau proptosis, demam, pucat, limfadenopati
(pembengkakan/pembesaran kelenjar getah bening), splenomegali (pembesaran limpa) dan
sebagainya. Banyak orang-orang tidak mengenal dan tidak mengetahui penyakit yang mereka
derita. Hal ini karena mereka tidak memiliki pengetahuan mengenai masalah penyakit. Oleh
karena itu peneliti mengusulkan sebuah sistem yang dapat membantu orang-orang yang
mengalami suatu penyakit untuk memeriksakan keadaan mereka yaitu Aplikasi Perbandingan
Metode Teorema Bayes Dan Naive Bayes Dalam Mendiagnosa Penyakit Neuroblastoma.
Kata Kunci : Sistem Pakar, Naïve Bayes, Teorema Bayes, Penyakit Neuroblastoma, Visual Basic
2010, SQL Server 2008
Abstract
Neuroblastoma is a tumor that attacks nerve cells in infants and children which normally can affect
the function of the adrenal medulla and sympathetic ganglia. Neuroblastoma is the most common
childhood tumor in children after leukemia, brain tumors and maglignant lymphomas.
Neuroblastoma is one malignant tumor with 500-525 cases diagnosed every year, this disease is
approximately 8-10% of all cases of malignancy in the world. Annual incidents occur in 10 per 1
million live births, more often in boys than girls. This disease can be known from several symptoms
such as lumps in the stomach of the neck or chest, difficulty breathing, protruding eyes or
proptosis, fever, pale, lymphadenopathy (swelling / enlargement of lymph nodes), splenomegaly
(enlarged spleen) and so on. Many people do not know and do not know the disease they are
suffering from. This is because they do not have knowledge about the problem of disease.
Therefore, researchers propose a system that can help people who have a disease to check their
condition, namely Comparison Application of Bayes and Naive Bayes Theorem Method in
Diagnosing Neuroblastoma Disease.
Keywords: Expert Systems, Naïve Bayes, Bayes Theorem, Neuroblastoma Disease, Visual Basic
2010, SQL Server 2008

1. PENDAHULUAN

1
 Neuroblastoma merupakan tumor yang menyerang sel saraf pada bayi dan anak dimana
secara normal dapat mempengaruhi fungsi medulla adrenal dan ganglia simpatis. Neuroblastoma
termasuk salah satu tumor ganas dengan jumlah kasus 500-525 terdiagnosa setiap tahunnya,
penyakit ini kira-kira 8-10 % dari seluruh kasus keganasan di dunia. Penyakit ini dapat diketahui
dari beberapa gejala seperti benjolan pada perut leher atau dada, kesulitan bernafas, mata menonjol
atau proptosis, demam, pucat, limfadenopati (pembengkakan/pembesaran kelenjar getah bening),
splenomegali (pembesaran limpa) dan sebagainya. Banyak orang-orang tidak mengenal dan tidak
mengetahui penyakit yang mereka derita. Hal ini karena mereka tidak memiliki pengetahuan
mengenai masalah penyakit.
Menurut Helmi Kurniawan dan Iwan Fitrianto Rahmad (2012), aplikasi sistem pakar dalam
mendeteksi pada tanaman cabe pakar dapat digunakan untuk mempercepat pencarian dan
pengaksesan pada ilmu pengetahuan oleh masyarakat atau orang-orang yang membutuhkan
informasi mengenai tanaman cabe.[1]
Menurut Rika Rosnelly, aplikasi sistem pakar dalam memprediksi penyakit tropis dapat
membantu pengguna dan dapat mengurangi resiko dalam mendiagnosa penyakit tropis[2]
Untuk mendiagnosa penyakit neuroblastoma dengan sistem pakar, maka dibutuhkan sebuah
metode yang tepat untuk mendiagnosanya. Oleh karena itu peneliti membandingkan dua metode
sistem pakar untuk mengetahui metode mana yang tepat dan memiliki hasil diagnosa yang lebih
baik. Dua metode tersebut adalah metode teorema bayes dan metode naive bayes. Menurut Elida
Tuti Siregar, Teorema bayes merupakan satu metode yang digunakan untuk menghitung
ketidakpastian data menjadi data yang pasti dengan membandingkan antara data ya dan tidak.[3]

2. METODE PENELITIAN

Tahapan dalam penelitian ini dapat di modelkan pada diagram waterfall. Adapun beberapa
tahapan yang digunakan dalam penelitian ini adalah sebagai berikut :
Analisis
Kebutuhan

Desain
Sistem

Penulisan
Kode
Program

Pengujian
Program

Hasil

Gambar 1. Metode Waterfall Dalam Pengembangan Sistem

2
Keterangan :
1. Analisis Kebutuhan
Pada tahapan ini merupakan analisa terhadap kebutuhan yang diperlukan untuk mencapai
tujuan penelitian yang akan dilakukan.
2. Desain Sistem
Proses ini berfokus kepada : struktur data, arsitektur perangkat lunak, representasi interface,
dan detail (algoritma) prosedural. Dokumen inilah yang akan digunakan untuk melakukan aktivitas
pembuatan sistemnya. Pada tahap ini dilakukan desain perangkat lunak menggunakan pemodelan
uml yaitu use case diagram, class diagram, activity diagram dan sequence diagram.
3. Penulisan Kode Program
Kode program merupakan terjemahan design dalam bahasa yang bisa dikenali komputer. Pada
tahap ini desain sistem diimplementasikan ke dalam kode program. Pemrograman dimulai dengan
bahasa pemrograman visual basic 2010 dan menggunakan database SQL Server 2008.
4. Pengujian Program
Pada tahap ini dilakukan pengujian aplikasi secara menyeluruh, meliputi pengujian fungsional
dan pengujian ketahanan sistem. Pengujian secara black box (interface) yaitu pengujian perangkat
lunak yang tes fungsionalitas dari aplikasi yang bertentangan dengan struktur internal atau kerja.
Pengetahuan khusus dari kode aplikasi/struktur internal dan pengetahuan pemrograman pada
umumnya tidak diperlukan, pengujian tersebut untuk masing-masing blok peralatan yang
dirancang.
5. Hasil
Pada tahap ini program akan diterapkan untuk mendiagnosa penyakit kanker neuroblastoma.
Kemudian program secara otomatis akan menampilkan hasil diagnosa berupa keputusan,
persentase hasil diagnosa dan hasil perbandingan metode Naive bayes dan Teorema bayes.

2.1. Use Case Diagram

Dalam penyusunan suatu program diperlukan suatu model data yang berbentuk diagram yang
dapat menjelaskan suatu alur proses sistem yang akan di bangun. [5]
Secara garis besar, bisnis proses sistem yang akan dirancang digambarkan dengan usecase
diagram yang terdapat pada Gambar 2 :
Analisis Sistem Informasi Perbandingan Metode Naive Bayes Dan Teorema
Bayes Terhadap Hasil Diagnosis Kanker Neuroblastoma Pada Anak

Login
<<include>>

Menu Utama

About Kanker
Neuroblastoma

Data Gejala

User
Admin Data Saran

Data Diagnosa

<<extends>>

Laporan Diagnosa

Logout

Gambar 2. Use Case Diagram Analisis Sistem Informasi Perbandingan Metode Naive Bayes dan
Teorema Bayes Terhadap Hasil Diagnosa Penyakit Kanker Neuroblastoma
3
2.2. Class Diagram
Rancangan kelas-kelas yang akan digunakan pada sistem yang akan dirancang dapat dilihat
pada Gambar 3. berikut :
Tabel_Diagnosa
Login
-Kode_Pasien
-Username -Nama_Pasien
-Password -Umur_Pasien
-Level -Alamat_Pasien
+Login() -Gejala_Yang_Dialami
+Cancel() -Hasil_Diagnosa_Naive_Bayes
1
-Hasil_Diagnosa_Teorema_Bayes
-Hasil_Perbandingan
-Selisih_Nilai
-Saran_Untuk_Pasien
+Diagnosa() 1
+Tambah()
+Simpan()
+Hapus()
+Laporan()
Tabel_Gejala
-Kode_Gejala 1..*
-Nama_Gejala
-Nilai_Gejala
Tabel_Saran
+Tambah()
+Simpan() -Kode_Saran 1..*

+Ubah() -Saran
+Hapus() -Nilai_Diagnosa
+Bersih() +Tambah()
+Simpan()
+Ubah()
+Hapus()
+Bersih()

Gambar 3. Class Diagram Analisis Sistem Informasi Perbandingan Metode Naive Bayes dan
Teorema Bayes Terhadap Hasil Diagnosa Penyakit Kanker Neuroblastoma
3. HASIL DAN PEMBAHASAN
3.1. Pembahasan
Metode yang diterapkan pada aplikasi perbandingan dua metode pada penelitian ini adalah
metode Teorema Bayes dan metode Naive Bayes, Berikut ini adalah rule base dari diagnosa
penyakit Neuroblastoma :
Tabel 1. Tabel Rule Base Penyakit Neuroblastoma
Kode Gejala Gejala Neuroblastoma Bobot
G1 Benjolan Pada Perut Leher Atau Dada √ 1
G2 Kesulitan Bernafas √ 0.8
G3 Mata Menonjol Atau Proptosis √ 1
G4 Demam √ 0.6
G5 Pucat √ 0.5
G6 Penurunan Berat Badan 0.6
G7 Splenomegali (Pembesaran Limpa) √ 0.9
G8 Limfadenopati (Pembengkakan/Pembesaran √ 1
Kelenjar Getah Bening)
G9 Hepatomegali (Pembesaran hati) √ 0.9
Tabel 2. Tabel Saran Penyakit Neuroblastoma
Kode Saran Hasil Diagnosa Saran
S1 71%-100% Terapi Kesembuhan
S2 51%-70% Mengubah Pola Makan, Konsumsi Herbal Yang
Bermanfaat
S3 0-50% Merubah Gaya Hidup

1. Penerapan Metode Teorema Bayes

4
 Menurut Hengki Tamando dan dkk, Probabilitas bayes merupakan salah satu cara yang baik
untuk mengatasi ketidakpastian data dengan dengan menggunakan formula bayes. [6]
Rumus Teorema Bayes dapat dilihat sebagai berikut :
P (H|E) = P (E|H) * P(H) ..............................................................................................................(1)
P (E)
Dimana :
P(H | E) = probabilitas hipotesis H jika diberikan evidence E.
P(H) = probabilitas H tanpa mengandung evidence apapun.
P(E) = probabilitas evidence E.
Studi Kasus
Seorang anak yang bernama Daniel berusia 4 tahun menggunakan sistem pakar untuk
mendiagnosa adanya penyakit kanker neuroblastoma dengan gejala sebagai berikut :
Gejala1: Benjolan Pada Perut Atau Dada
Gejala2: Kesulitan Bernafas
Gejala3: Mata Menonjol Atau Proptosis
Gejala4 : Demam
Gejala5 : Pucat
Diketahui :
Gejala1 = Benjolan Pada Perut Leher Atau Dada = 1 = P(E|H1)
Gejala2 = Kesulitan Bernafas = 0.8 = P(E|H2)
Gejala3 = Mata Menonjol Atau Proptosis= 1 = P(E|H3)
Gejala4 = Demam = 0.6 = P(E|H4)
Gejala5 = Pucat= 0.5 = P(E|H5)
Kemudian mencari nilai semesta dengan menjumlahkan dari hipotesa di atas :
k=1
= Gejala ke 1+ Gejala ke 2+ Gejala ke 3+ Gejala ke 4+ Gejala ke 5
= 1 + 0.8 + 1 + 0.6+ 0.5
= 3.90
Selanjutnya :
P(H1) = H1 = 1 = 0.26
∑k=1 3,90
P(H2) = H2 = 0.8 = 0.21
∑k=1 3.90
P(H3) = H3 = 1 = 0.26
∑k=1 3.90
P(H4) = H4 = 0.6 = 0.15
∑k=1 3.90
P(H5) = H5 = 0.5 = 0.13
∑k=1 3.90
Setelah nilai semesta diketahui, maka langkah selanjutnya adalah :
= P(H1) * P(E|H1) + P(H2) * P(E|H2) + P(H3)* P(E|H3)+ P(H4)* P(E|H4)+ P(H5)* P(E|H5)
= (0.26* 1) + (0.21 * 0.8) + (0.26* 1) + (0.15 * 0.6) + (0.13 * 0.5)
= 0.83
Langkah selanjutnya ialah mencari nilai probabilitas hipotesis Hi benar jika diberikan evidence E.
P(H1|E) = 1 * 0.26 = 0.31
0.83
P(H2|E) = 0.8* 0.21= 0.20
0.83
P(H3|E) = 1* 0.26= 0.31
0.83

P(H4|E) = 0.6 * 0.15 = 0.11

0.83
P(H5|E) = 0.5 * 0.13 = 0.08
5
 0.83
Setelah seluruh nilai probabilitas hipotesis Hi diketahui, maka jumlahkan seluruh nilai bayesnya
= (1 * 0.31) + (0.8 * 0.20) + (1 * 0.31) + (0.6 * 0.11) + (0.5* 0.08)
= 0,81
= 0.81* 100%
= 81.65 %.
Maka hasil diagnosa menggunakan metode Teorema Bayes adalah pasien mengidap penyakit
Neuroblastoma sebesar 81,65%.

2. Penerapan Metode Naive Bayes

Rumus dari metode Naive Bayes :
P (ai|Vj) = nc + m* p
n+m
Keterangan :
P(ai|Vj) = peluang ai jika diketahui keadaan Vj dalam artian, peluang ke i
nc = Kemunculan ai (atribut) terhadap vj
n = Jumlah kemunculan Vj pada dataset
p = Jumlah tiap Vj
Vj= nilai diagnosa
m = Nilai konstan dari ukuran sampel yang equivalen.
Vmap = arg max P (a1,a2,a3,.., an\Vj ) P(Vj) ……………..........….……......................……(2)
Keterangan :
Vmap = Probabilitas tertinggi
P(Vj) = Peluang class ke j
P(a1,a2,a3,…,an|Vj) = Peluang atribut input jika diketahui keadaan Vj
Diketahui :
a1.nc (Benjolan Pada Perut Atau Dada ) = 1
a2.nc (Kesulitan Bernafas ) = 0.8
a3.nc (Mata Menonjol Atau Proptosis) = 1
a4.nc (Demam) = 0.6
a5 .nc (Pucat) = 0.5
Jumlah Kasus (n) = 1
Jumlah Penyakit (p) = 1
Jumlah Gejala = 9
Jawab :
P(a1|Vj) = ((nc + (m * p))
(1 + m)
= ((1 + (9 * 1))
(1 + 9)
= (1 + 9)
10
= 1
P(a2|Vj) = ((nc + (m * p))
(1 + m)
= (0.8 + (9 * 1)
(1 + 9)
= (0.8 + 9)
10
= 0.98
P(a3|Vj) = ((nc + (m * p))
(1 + m)
(1 + (9 * 1)
(1 + 9)
= (1 + 9)
6
 10
= 1
P(a4|Vj) = ((nc + (m * p))
(1 + m)

= (0.6+ (9 * 1)
(1 + 9)
= (0.6 + 9)
10
= 0.96
P(a5|Vj) = (((nc + (m * p))
(1 + m)
= (0.5+ (9 * 1)
(1 + 9)
= (0.5 + 9)
10
= 0.95
Vmap = P(a1|Vj) * P(a2|Vj) * P(a3|Vj) * P(a4|Vj) * P(a5|Vj)
= 1 * 0.98 * 1* 0.96 * 0.95
= 0.8937
Vmap = 0.89* 100%
= 89.37%
Hasil diagnosa terhadap penyakit Neuroblastoma sebesar 89.38%.
Dari hasil perhitungan kedua metode yaitu metode teorema bayes dan metode naive bayes maka di
dapat perbandingan dan selisih hasil diagnosa yaitu metode naive bayes memiliki persentase yang
lebih besar dari teorema bayes dan selisih persentase yang di dapat yaitu sebesar 7,71 %.

3.2. Hasil
Pada penelitian ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, untuk
memperjelas tentang tampilan-tampilan yang ada pada Analisis Sistem Informasi Perbandingan
Metode Naive Bayes dan Teorema Bayes Terhadap Hasil Diagnosis Kanker Neuroblastoma Pada
Anak. Sehingga hasil implementasinya dapat dilihat sesuai dengan hasil program yang telah dibuat.
Dibawah ini akan dijelaskan tiap-tiap tampilan yang ada pada program.
1. Tampilan Login
Tampilan ini merupakan tampilan yang pertama kali muncul ketika program dijalankan.
Berfungsi sebagai form input username dan password pengguna. Gambar tampilan login dapat
ditunjukkan pada gambar 4:

Gambar 4. Tampilan Form Login

2. Tampilan Form Menu Utama

7
 Tampilan ini merupakan tampilan menu utama pada Perancangan Analisis Sistem Informasi
Perbandingan Metode Naive Bayes dan Teorema Bayes Terhadap Hasil Diagnosis Kanker
Neuroblastoma Pada Anak. Gambar tampilan menu utama ditunjukkan pada gambar 5 :

Gambar 5. Tampilan Form Menu Utama

3. Tampilan Form About

Tampilan ini merupakan tampilan form about pada Perancangan Analisis Sistem Informasi
Perbandingan Metode Naive Bayes dan Teorema Bayes Terhadap Hasil Diagnosis Kanker
Neuroblastoma Pada Anak. Gambar tampilan form about ditunjukkan pada gambar 6 :

Gambar 6. Tampilan Form About

4. Tampilan Form Gejala

Tampilan ini merupakan tampilan form gejala pada Perancangan Analisis Sistem Informasi
Perbandingan Metode Naive Bayes dan Teorema Bayes Terhadap Hasil Diagnosis Kanker
Neuroblastoma Pada Anak. Gambar tampilan form gejala ditunjukkan pada gambar 7 :
8
 Gambar 7 Tampilan Form Gejala

5. Tampilan Form Saran

Tampilan ini merupakan tampilan form saran pada Perancangan Analisis Sistem Informasi
Perbandingan Metode Naive Bayes dan Teorema Bayes Terhadap Hasil Diagnosis Kanker
Neuroblastoma Pada Anak. Gambar tampilan form saran ditunjukkan pada gambar 8 :

Gambar 8. Tampilan Form Saran

6. Tampilan Form Diagnosa

Tampilan ini merupakan tampilan form diagnosa pada Perancangan Analisis Sistem
Informasi Perbandingan Metode Naive Bayes dan Teorema Bayes Terhadap Hasil Diagnosis
Kanker Neuroblastoma Pada Anak. Gambar tampilan form diagnosa ditunjukkan pada gambar 9 :
9
 Gambar 9. Tampilan Form Diagnosa

7. Tampilan Output Laporan Diagnosa

Tampilan ini merupakan tampilan output laporan diagnosa pada Perancangan Analisis
Sistem Informasi Perbandingan Metode Naive Bayes dan Teorema Bayes Terhadap Hasil
Diagnosis Kanker Neuroblastoma Pada Anak. Gambar tampilan form diagnosa ditunjukkan pada
gambar 10 :

Gambar 10. Tampilan Output Laporan Diagnosa

4. KESIMPULAN

Berdasarkan penelitian yang telah dilakukan selama membuat aplikasi sistem ini, maka dapat
ditarik beberapa kesimpulan sebagai berikut :
1. Aplikasi yang telah dibangun dapat memberikan hasil perbandingan antara metode Teorema
Bayes dan metode Naive Bayes. Perbandingan yang dilakukan adalah perbandingan hasil
diagnosa berdasarkan nilai probabilitas.
2. Merancang dan menerapkan Sistem Pakar Mendiagnosa Penyakit Kanker Neuroblastoma
dengan metode perbandingan Toerema Bayes dan metode Naive Bayes dapat dengan mudah
mendiagnosa penyakit kanker neuroblastoma.
3. Menerapkan beberapa uji coba yang telah dilakukan maka hasil perbandingan metode
Teorema Bayes dan metode Naive Bayes maka perbedaan hasil diagnosa tergantung dari
gejala-gejala yang dipilih.

10
4. Bahasa pemrograman yang digunakan aplikasi Visual Basic 2010 dan database SQL Server
2008, maka dapat membuat aplikasi Sistem Pakar Mendiagnosa Penyakit Neuroblastoma
Dengan metode Toerema Bayes dan metode Naive Bayes.

5. SARAN
Sebagai aplikasi yang tidak dikerjakan dengan tim, penulis menyadari bahwa aplikasi ini
memiliki banyak kekurangan, saran untuk pengembangan aplikasi pada waktu mendatang adalah :
1. Aplikasi perbandingan metode teorema bayes dan metode naive bayes dalam mendiagnosa
penyakit kanker neuroblastoma, diharapkan kedepannya dapat menjadi acuan atau tolak ukur
para tenaga medis dalam hal meningkatkan nilai kepercayaan dengan pengujian metode untuk
memperoleh nilai akurasi terhadap kasus kanker neuroblastoma.
2. Aplikasi perbandingan metode teorema bayes dan metode naive bayes dalam mendiagnosa
penyakit kanker neuroblastoma dapat membandingkan metode selain teorema bayes dan naive
bayes.
3. Aplikasi perbandingan metode teorema bayes dan metode naive bayes dalam mendiagnosa
penyakit kanker neuroblastoma dapat diterapkan pada perangkat mobile dan berbasis web.
4. Aplikasi perbandingan metode teorema bayes dan naive bayes dalam mendiagnosa penyakit
kanker neuroblastoma dapat mendiagnosa penyakit selain kanker neuroblastoma.

UCAPAN TERIMA KASIH

Penulis mengucapkan terimakasih kepada Universitas Potensi Utama yang telah memberi
dukungan terhadap penelitian ini.

DAFTAR PUSTAKA

[1] Astuti, L. A., Purwoko, P., Setyowati, S., Maskur, M., Ardianto, C. N., & Gunawan, A. H.
(2014). Evaluasi Pembuatan l31I-MIBG Radiofarmaka Diagnosa Dan Terapi Neuroblastoma.
Jurnal Radioisotop dan Radiofarmaka, 15(2).
[2] Rosnelly, R., & Utama, U. P. (2012). Sistem Pakar: Konsep dan Teori. Penerbit Andi.
[3] Siregar, E. T. (2017, November). Penerapan Teorema Bayes Pada Sistem Pakar Untuk
Mengidentifikasi Penyakit Tumbuhan Padi. In Seminar Nasional Informatika (SNIf) (Vol. 1,
No. 1, pp. 23-26).
[4] Setiawan, W., & Ratnasari, S. (2014). Sistem Pakar Diagnosis Penyakit Mata Menggunakan
Naïvebayes Classifier. Prosiding Semnastek, 1(1).
[5] Hayati, N. (2017). Akurasi Temuan Ct Scan Dan Prediksi Penegakan Diagnosis Neuroblastoma
(Doctoral dissertation, Universitas Gadjah Mada).
[6] Urva dan Siregar, 2015, Jurnal : “Pemodelan UML E-Marketing Minyak Goreng”,
Universitas Sumatera Utara, Jurnal Informatika, Vol. 1, No. 1.
[7] Anggraeni, Elisabet Yunaeti. Pengantar Sistem Informasi. Penerbit Andi, 2017.
[8] Danangdjojo, R. (1999). Gam: Baran Neuroblastoma Pada Anak Dengan Permasalahannya Di
Kota Madya Sem_Arang (Doctoral dissertation, Program Pendidikan Pasca sarjana
Universitas Diponegoro).

11