发布求助
文献互助 智能选刊 最新文献

Data Sciences Indonesia (DSI)最新文献

筛选
英文 中文
Penggunaan Metode Backpropagation Pada Sistem Prediksi Kelulusan Mahasiswa STMIK Kaputama Binjai 使用工具对学生STMIK Kaputama Binjai的毕业预测系统进行背景分析
Data Sciences Indonesia (DSI) Pub Date : 2022-08-10 DOI: 10.47709/dsi.v2i1.1664
F. Faisal
{"title":"Penggunaan Metode Backpropagation Pada Sistem Prediksi Kelulusan Mahasiswa STMIK Kaputama Binjai","authors":"F. Faisal","doi":"10.47709/dsi.v2i1.1664","DOIUrl":"https://doi.org/10.47709/dsi.v2i1.1664","url":null,"abstract":"Kelulusan yang tepat pada waktunya menjadi salah satu tolak ukur integritas sekolah tinggi, termasuk STMIK Kaputama Binjai. Dari tahun ke tahun, banyak mahasiswa Universitas STMIK Kaputama Binjai yang lulus tepat pada waktunya, namun tidak sedikit pula mahasiswa yang tidak lulus tepat pada waktunya. Untuk itu perlu adanya sistem prediksi kelulusan agar dosen dapat mengarahkan mahasiswa yang diprediksi akan lulus terlambat. Metode yang digunakan adalah Jaringan Syaraf Tiruan Backpropagation. Metode Backpropagation memiliki 3 arsitektur yaitu input layer, hidden layer, dan output layer. Proses Backpropagation meliputi forward dan backward. Data yang digunakan adalah data IPS1 hingga IPS4 kelulusan tahun 2015-2021 dari program studi Teknik Informatika, sebagai data latih untuk jaringan syaraf tiruan Backpropagation menggunakan data dari mahasiswa yang sudah lulus, lalu sebagai data uji untuk prediksi kelulusan bisa mnggunakan data mahasiswa yang masih menempuh pendidikan dengan ketentuan harus sudah melewati semester 4. Dari berbagai percobaan dengan fitur max iterasi, max kecepatan latih, dan minimal error yang berbeda lalu data latih yang berbeda pula dapat menghasilkan tingkat akurasi hasil prediksi yang berbeda, akurasi pengujian tertinggi dapat dilihat dari hasil error yang paling minimum. Sistem ini dibangun menggunakan Bahasa Pemrograman Visual Basic dengan software Visual Studio 2010. Hasil penelitian menunjukkan bahwa metode Backpropagations dinilai cukup bagus dalam melakukan Pengklasifikasian untuk melakukan prediksi kelulusan mahasiswa.","PeriodicalId":155875,"journal":{"name":"Data Sciences Indonesia (DSI)","volume":"12 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-08-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123389807","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Rancang Bangun Antena Mikrostrip Patch Circular Untuk Aplikasi 5G
Data Sciences Indonesia (DSI) Pub Date : 2022-06-09 DOI: 10.47709/dsi.v2i1.1518
Diana Muttia Handika
{"title":"Rancang Bangun Antena Mikrostrip Patch Circular Untuk Aplikasi 5G","authors":"Diana Muttia Handika","doi":"10.47709/dsi.v2i1.1518","DOIUrl":"https://doi.org/10.47709/dsi.v2i1.1518","url":null,"abstract":"Pada paper ini dirancang antena mikrostrip circular yang bekerja pada frekuensi resonansi 26 GHz dan 38 GHz. Frekuensi ganda dibangkitkan dengan menambahkan U-slot pada bidang patch, kemudian penyesuaian ketinggian bertingkat pada slot untuk mendapatkan frekuensi tengah yang diinginkan. Hasil simulasi dari rancangan mikrostrip circular untuk frekuensi 26 GHz diperoleh nilai return loss -21,75 dB, VSWR 1,17 dan bandwidth 236 MHz, sedangkan pada frekuensi 38 Ghz return loss -25,49 dB, VSWR 1,11 dan bandwidth 719 MHz. Nilai gain sebesar 8,12 dBi dengan pola radiasi unidirectional. Hasil rancangan telah memenuhi standar antenna untuk jaringan 5G, dengan radius (a) = 3,14 mm dapat diaplikasikan pada perangkat komunikasi nirkabel yang membutuhkan miniaturiasi antenna.","PeriodicalId":155875,"journal":{"name":"Data Sciences Indonesia (DSI)","volume":"141 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-06-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130053737","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Analisis Pathloss Model Optimasi Cost 231 Outdoor To Indoor Untuk Komunikasi Seluler
Data Sciences Indonesia (DSI) Pub Date : 2022-06-05 DOI: 10.47709/dsi.v2i1.1522
Z. Hb
{"title":"Analisis Pathloss Model Optimasi Cost 231 Outdoor To Indoor Untuk Komunikasi Seluler","authors":"Z. Hb","doi":"10.47709/dsi.v2i1.1522","DOIUrl":"https://doi.org/10.47709/dsi.v2i1.1522","url":null,"abstract":"Pengukuran rugi-rugi lintasan model outdoor to indoor telah dilakukan pada sebuah lokasi gedung perkuliahan di area perkotaan. Model ini merupakan model dimana Pemancar berada diluar gedung, sedangkan penerima bebas bergerak didalam ruangan. Penelitian ini meneliti besarnya kuat sinyal disepanjang lintasan pada frekuensi 2100 MHz. Model propagasi yang digunakan adalah model Optimasi COST231. Dengan mengubah parameter rugi-rugi penetrasi dinding internal dan eksternal pada formulasi COST231 maka didapat profil rugi-rugi lintasan yang mendekati dengan kondisi pengukuran di lokasi penelitian.","PeriodicalId":155875,"journal":{"name":"Data Sciences Indonesia (DSI)","volume":"100 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-06-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123783720","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Analisis Perbandingan Smart Home dengan Teknologi SMS, IOT dan PIC Mikrokontroler
Data Sciences Indonesia (DSI) Pub Date : 2022-06-04 DOI: 10.47709/dsi.v2i1.1520
Heryanto Heryanto
{"title":"Analisis Perbandingan Smart Home dengan Teknologi SMS, IOT dan PIC Mikrokontroler","authors":"Heryanto Heryanto","doi":"10.47709/dsi.v2i1.1520","DOIUrl":"https://doi.org/10.47709/dsi.v2i1.1520","url":null,"abstract":"Aktivitas kehidupan manusia yang sibuk menginginkan kenyamanan dan keamanan saat mereka dirumah atau diluar. Pengontrolan rumah dari jarak jauh merupakan teknologi yang mengupayakan kenyamanan tersebut. System ini selain dalam mengontrol rumah dari jarak jauh, juga sebagai mengamankan rumah dari pelanggaran atau pencurian.  Smart home berbasis nirkabel memainkan peran penting dalam kehidupan manusia karena dapat mengurangi beban kerja manusia, menghemat listrik dan mengurangi kekhawatiran tentang keamaan rumah saat bekerja. Fokus utama dari penelitian ini adalah otomatisasi kontrol status lampu ON/OFF, kecepatan kipas angin dan peralatan rumah tangga lainnya dari jarak jauh. Pengontrolan smart home dibandingkan melalui teknolog SMS, IOT dan PIC Mikrokontroler dengan modulasi ZigBee","PeriodicalId":155875,"journal":{"name":"Data Sciences Indonesia (DSI)","volume":"12 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-06-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128129559","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Peramalan Deret Waktu untuk Bisnis : Pendekatan algoritma LGBM Regressor
Data Sciences Indonesia (DSI) Pub Date : 2022-01-25 DOI: 10.47709/dsi.v1i2.1347
Fachrul Rozi Lubis, Eddy Rahman Syahputra
{"title":"Peramalan Deret Waktu untuk Bisnis : Pendekatan algoritma LGBM Regressor","authors":"Fachrul Rozi Lubis, Eddy Rahman Syahputra","doi":"10.47709/dsi.v1i2.1347","DOIUrl":"https://doi.org/10.47709/dsi.v1i2.1347","url":null,"abstract":"Peramalan deret waktu adalah topik yang cukup umum di bidang data science (ilmu data). Perusahaan menggunakan model peramalan untuk mendapatkan pandangan yang lebih jelas tentang bisnis masa depan. Data masa lalu dikumpulkan dan dianalisis melalui model kuantitatif atau kualitatif sehingga pola dapat diidentifikasi dan dapat mengarahkan perencanaan bisnis di masa depan akan tetapi memilih algoritme yang tepat merupakan salah satu keputusan sulit ketika akan mengembangkan model peramalan deret waktu. Penelitian ini menyajikan hasil analisi data dengan mengadopsi kerangka kerja data science CRISP-DM dan membandingkan lima algoritma berbeda untuk memperkirakan penjualan harian selama 28 hari ke depan. Berdasarkan hasil evaluasi kinerja RMSE, algoritma LGBM Regressor menghasilkan tingkat kesalahan 7.53 %, paling rendah dibandingkan algoritma lain, akan tetapi waktu pelatihan dan pengujian paling tinggi.","PeriodicalId":155875,"journal":{"name":"Data Sciences Indonesia (DSI)","volume":"5 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-01-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125110087","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering 利用数据科学进行商业营销分析：基于 K-Means 聚类算法的客户个性细分
Data Sciences Indonesia (DSI) Pub Date : 2022-01-25 DOI: 10.47709/dsi.v1i2.1348
M. Harahap, Yusniar Lubis, Zakarias Situmorang
{"title":"Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering","authors":"M. Harahap, Yusniar Lubis, Zakarias Situmorang","doi":"10.47709/dsi.v1i2.1348","DOIUrl":"https://doi.org/10.47709/dsi.v1i2.1348","url":null,"abstract":"Dalam makalah ini kami menyajikan analisis kepribadian pelanggan dalam membantu bisnis untuk memodifikasi produknya berdasarkan target pelanggan dari berbagai jenis segmen pelanggan sehingga menemukan pelanggan yang potensial, membuat pemasaran agar lebih efektif, melihat tren dalam perilaku pembelian pelanggan dan membuat penawaran produk yang relevan kepada pelanggan. Kerangka kerja Data Science (ilmu data) dengan metodologi CRIS-DM diterapkan untuk memberikan pemahaman bisnis, pemahaman data, analisis data dan pemodelan. Pada tahapan pemodelan diusulkan Principal component analysis (PCA) untuk pengurangan dimensial fitur, kemudian algoritma K-Means untuk segmentasi pelanggan dengan menggunakan metode ellow dan silhouette yang menghasilkan nilai k=4 yang paling optimal. Terakhir, hasil 4 cluster di analisis berdasarkan proposi, belanja, pendidikan dan tingkat keberhasilan kampanye yang disajikan secara visualisasi.","PeriodicalId":155875,"journal":{"name":"Data Sciences Indonesia (DSI)","volume":"132 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-01-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"134149735","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Menganalisis Data Kesehatan Global : Pendekatan Analisis Data Eksplorasi Visual 分析全球健康数据:视觉探索数据分析方法
Data Sciences Indonesia (DSI) Pub Date : 2022-01-11 DOI: 10.47709/dsi.v1i2.1315
Muhammad Zulfansyuri Siambaton, A. Husein
{"title":"Menganalisis Data Kesehatan Global : Pendekatan Analisis Data Eksplorasi Visual","authors":"Muhammad Zulfansyuri Siambaton, A. Husein","doi":"10.47709/dsi.v1i2.1315","DOIUrl":"https://doi.org/10.47709/dsi.v1i2.1315","url":null,"abstract":"Peningkatan derajat kesehatan masyarakat merupakan salah satu indikator utama kemajuan masyarakat, dimana analisis statistik untuk pemantauan kesehatan masyarakat sangat relevan untuk sejumlah sektor, seperti penelitian, pembuatan kebijakan, perawatan kesehatan, industri farmasi, asuransi dan lainnya. Makalah ini menyajikan analisis data kesehatan global dengan dengan tujuan menemukan variabel penting yang berpengaruh terhadap harapan hidup. Dari hasil observasi dengan menggunakan beberapa tahapan proses mulai dari pembersihan data, deteksi data nilai yang hilang, mendeteksi outler ditemukan bahwa terdapat tujuh variabel penting yaitu status, Adult Mortality, percentage expenditure, HIV, GDP, schooling, Income composition of resources. Dalam penelitian ini juga disajikan upaya untuk menyusun dan menganalisis semua pertanyaan penting dalam bentuk Analisis Data Eksplorasi visualisasi secara keseluruhan dari kumpulan data.","PeriodicalId":155875,"journal":{"name":"Data Sciences Indonesia (DSI)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-01-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123113570","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Analisis dan Prediksi Data Penjualan Menggunakan Machine Learning dengan Pendekatan Ilmu Data 利用学习机器与数据科学方法进行分析和预测销售数据
Data Sciences Indonesia (DSI) Pub Date : 2022-01-11 DOI: 10.47709/dsi.v1i2.1308
Ferdy Riza
{"title":"Analisis dan Prediksi Data Penjualan Menggunakan Machine Learning dengan Pendekatan Ilmu Data","authors":"Ferdy Riza","doi":"10.47709/dsi.v1i2.1308","DOIUrl":"https://doi.org/10.47709/dsi.v1i2.1308","url":null,"abstract":"Pendekatan Data Science (ilmu data) memberi peluang besar untuk menggunakan data history dan mengubahnya menjadi wawasan yang berguna untuk membangun model prediksi penjualan masa depan. akan tetapi, model prediksi membutuhkan analisis data tertentu untuk menghasilkan model yang kuat, termasuk jumlah pelanggan, jumlah pelanggan yang hilang, tingkat penjualan rata-rata serta kecenderungan musiman. Makalah ini menganalisis data penjualan menggunakan kerangka kerja ilmu data dengan desain sesuai prinsip CRIS-DM yang terdiri dari tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Pemodelan digunakan algoritma Machine Learning untuk memprediksi penjualan di masa depan yang hasil kinerjanya dievaluasi dengan RMSE, MEA dan R^2. Berdasarkan hasil pengujian algoritma XGBoost dan LightGBM menghasilkan nilai R^2 mencapai 60% dengan tingkat kesalahan deteksi terendah dibandingkan algoritma lainnya..","PeriodicalId":155875,"journal":{"name":"Data Sciences Indonesia (DSI)","volume":"14 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-01-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132702994","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 1
Teknik Data Science di Bidang Kesehatan : Menganalisis Faktor penting Ketidakhadiran Janji Medis Pasien 健康数据科学技术:分析病人缺席医疗预约的重要因素
Data Sciences Indonesia (DSI) Pub Date : 2022-01-11 DOI: 10.47709/dsi.v1i2.1314
A. Husein, Muhammad Khoiruddin Harahap
{"title":"Teknik Data Science di Bidang Kesehatan : Menganalisis Faktor penting Ketidakhadiran Janji Medis Pasien","authors":"A. Husein, Muhammad Khoiruddin Harahap","doi":"10.47709/dsi.v1i2.1314","DOIUrl":"https://doi.org/10.47709/dsi.v1i2.1314","url":null,"abstract":"Ketidakhadiran pasien dan pembatalan janji temu yang terlambat akan berdampak buruk pada kinerja keuangan dan kualitas layanan organisasi perawatan kesehatan, kesinambungan perawatan terganggu, kemanjuran obat tidak dapat dipantau secara teratur, layanan pencegahan dan pemeriksaan tidak dapat diberikan tepat waktu. Makalah ini menyajikan hasil analisis dalam kumpulan data menggunakan pendekatan ilmu data. Kerangka kerja menerapkan konsep CRIS-DM dengan tahapan pemahaman bisnis, pra-pemrosesan data, pembersihan data, rekayasa fitur, pemodelan dan evaluasi. Analisis data statistik deskriptif dan visual digunakan untuk memahami kumpulan data untuk menjawab delapan pertanyaan penting yang berhubungan dengan faktor ketidakhadiran janji temu pasien yang terjadwal, kemudian memprediksi apakah pasien akan datang pada hari janji temu yang dijadwalkan. Berdasarkan hasil evaluasi nilai matriks Accuray, F1-Score dan ROC terhadap Lima model machine learning yang digunakan menghasilkan Light GBM Classifier, Gradient Boosting Classifier dan XGBoost Classifier adalah tiga model terbaik dengan akurasi diatas 78% sekitar 0.79968 (79.9%), 0.79883 (79.8%) dan 0.79806 (79.8%) pada masing-masing model","PeriodicalId":155875,"journal":{"name":"Data Sciences Indonesia (DSI)","volume":"28 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-01-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126663827","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Analisis Prediktif untuk Keputusan Bisnis : Peramalan Penjualan 商业决策的预测分析:销售预测
Data Sciences Indonesia (DSI) Pub Date : 2021-11-26 DOI: 10.47709/dsi.v1i1.1196
A. Husein, Fachrul Rozi Lubis, Muhammad Khoiruddin Harahap
{"title":"Analisis Prediktif untuk Keputusan Bisnis : Peramalan Penjualan","authors":"A. Husein, Fachrul Rozi Lubis, Muhammad Khoiruddin Harahap","doi":"10.47709/dsi.v1i1.1196","DOIUrl":"https://doi.org/10.47709/dsi.v1i1.1196","url":null,"abstract":"Peramalan penjualan produk adalah aspek utama dari manajemen pembelian, persediaan yang melebihi permintaan atau kekurangan akan berdampak pada manajemen pelayanan maupun secara ekominis. Makalah ini fokus mencoba menyajikan penerapan analisis prediktif dengan mengadopsi kerangka kerja Data Science (ilmu data) untuk menemukan wawasan yang berguna dalam pengambilan keputusan bisnis khususnya tentang peramalan penjualan produk di masa depan. Kerangka CRISP-DM diusulkan dengan tahapan pemahasan bisnis, pemahaman dan persiapan data, exploratory data analysis (EDA) dan pemodelan. Berdasarkan hasil pengujian data penjualan yang dievaluasi berdasarkan RMSE dan MAE, algoritma XGBoost menghasilkan prediksi berada dalam 1,3% kemudian ARIMA sebesar 1.6%, masih lebih baik dibandingkan LinearRegression, RandomForestdan LSTM dengan tingkat kesalahan sebesar 1.81%, 1.97%, 2.21% pada masing-masing algoritma dari data aktual.","PeriodicalId":155875,"journal":{"name":"Data Sciences Indonesia (DSI)","volume":"27 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-11-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116116225","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 2
首页 上一页 下一页 尾页
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整，为了账户安全，请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
请完成安全验证×
相关产品
×
本文献相关产品
联系我们：info@booksci.cn Book学术提供免费学术资源搜索服务，方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号：604180095
Book学术官方微信