Mathunesa Jurnal Ilmiah Matematika最新文献_第7页

Analisis Kestabilan Model Eko-epidemiologi dengan Fungsi Respon Holling Tipe I 具有HollingⅠ型响应函数的生态流行病学模型稳定性分析

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-04-30 DOI: 10.26740/mathunesa.v10n1.p1-12

Fadhilatun Ni’mah, D. Savitri

{"title":"Analisis Kestabilan Model Eko-epidemiologi dengan Fungsi Respon Holling Tipe I","authors":"Fadhilatun Ni’mah, D. Savitri","doi":"10.26740/mathunesa.v10n1.p1-12","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n1.p1-12","url":null,"abstract":"Pada model predator-prey tidak selalu diasumsikan bahwa kedua populasi dalam kondisi sehat, karena secara alami di alam terdapat predator maupun prey dengan kondisi sakit atau terinfeksi. Hal ini dapat mempengaruhi perilaku kedua populasi untuk bertahan hidup dan berburu makanan. Pada penelitian ini, dikembangkan model eko-epidemiologi yang merupakan kombinasi dari dua ilmu pengetahuan yaitu ekologi dan epidemiologi. Model eko-epidemiologi menjelaskan interaksi antara predator dan prey dengan adanya infeksi atau penyakit. Tujuan penelitian untuk merekonstruksi model eko-epidemiologi dengan mengasumsikan penyebaran penyakit terjadi pada populasi prey mengikuti siklus rentan-terinfeksi-rentan. Fungsi respon yang digunakan yaitu fungsi respon Holling tipe I. Analisis pada sistem dengan menentukan titik kesetimbangan dan kestabilan masing-masing solusi. Hasil analisis diperoleh lima titik kesetimbangan yaitu titik kepunahan ketiga populasi, titik kepunahan prey terinfeksi dan predator, titik kepunahan prey terinfeksi, titik kepunahan predator, serta titik eksistensi ketiga populasi. Titik kepunahan ketiga populasi merupakan titik pelana sehingga kondisi ini tidak terdefinisi secara biologis. Ke-empat titik kesetimbangan lainnya stabil dengan syarat. Simulasi numerik menunjukkan kesesuaian dengan hasil analisis kestabilan titik kesetimbangan. Hasil simulasi ditampilkan dalam potret fase dan grafik untuk dinamika solusi sistem menuju titik kesetimbangan yang stabil. Dengan nilai parameter yang telah ditentukan, diperoleh kestabilan titik kesetimbangan hanya terjadi pada E5 yaitu titik eksistensi ketiga populasi. Perubahan laju pemangsaan predator terhadap prey rentan maupun prey terinfeksi mempengaruhi kestabilan dari titik kesetimbangan E5 yang semula stabil menjadi tidak stabil dan titik kesetimbangan E3 yang semula tidak stabil menjadi stabil. \u0000Kata Kunci: Predator-prey, Eko-epidemiologi, Infeksi Penyakit, Holling tipe I, Titik Kesetimbangan.","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"49073602","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

BILANGAN KETERHUBUNGAN TITIK PELANGI KUAT PADA GRAF 用强有力的语言描述关系

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-04-30 DOI: 10.26740/mathunesa.v10n1.p33-40

Muhammad Afifuddin, I. K. Budayasa

{"title":"BILANGAN KETERHUBUNGAN TITIK PELANGI KUAT PADA GRAF","authors":"Muhammad Afifuddin, I. K. Budayasa","doi":"10.26740/mathunesa.v10n1.p33-40","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n1.p33-40","url":null,"abstract":"Graf G dikatakan terhubung titik pelangi jika setiap dua titik di G dihubungkan oleh suatu lintasan yang titik-titik internalnya memiliki warna yang berbeda, lintasan seperti itu disebut lintasan pelangi. Bilangan keterhubungan titik pelangi dari graf terhubung G, dilambangkan dengan rvc(G) merupakan banyaknya warna terkecil yang diperlukan untuk membuat G terhubung titik pelangi. Graf G dikatakan terhubungan titik pelangi kuat jika untuk setiap dua titik u dan v berbeda di G ada sebuah lintasan pelangi terpendek antara u dan v, dilambangkan dengan srvc(G). Amati bahwa rvc(G)≤srvc(G) untuk sembarang graf terhubung tak trivial G. Jika G graf terhubung dengan n titik dan n≥3, maka 0≤srvc(G)≤n-2. Lebih jauh, batas-batas ini “tajam”. Misalkan n≥4 dengan diam(G)=1, maka G=K_n sehingga srvc(G)=0<n-2. Perhatikan bahwa banyak titik internal P_n adalah n-2. Pikirkan sebuah pewarnaan titik W pada P_n sedemikian hingga semua titik internal P_n mendapat warna berbeda dan warnai titik-titik terminal P_n dengan salah satu warna titik internal. Jelas terhadap pewarnaan W lintasan P_n terhubung titik pelangi kuat dengan (n-2) warna, sehingga srvc(P_n )=n-2. Dalam artikel ini, akan dibahas bilangan keterhubungan titik pelangi kuat pada graf komplet, graf roda, dan graf lintasan. Graf komplet K_n adalah satu-satunya kelas graf yang mencapai batas bawah srvc(G) dan graf lintasan P_n adalah satu-satunya kelas graf yang mencapai batas atas srvc(G).","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"46537341","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

Model Dinamika Kecanduan Rokok Pada Pria Dan Wanita 男性和女性对香烟上瘾的模型

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-04-30 DOI: 10.26740/mathunesa.v10n1.p180-189

Jihan Fadhilah, Dimas Avian Maulana

{"title":"Model Dinamika Kecanduan Rokok Pada Pria Dan Wanita","authors":"Jihan Fadhilah, Dimas Avian Maulana","doi":"10.26740/mathunesa.v10n1.p180-189","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n1.p180-189","url":null,"abstract":"Artikel ini membahas dinamika perilaku perokok berdasarkan golongan dari beberapa subpopulasi. Perokok tidak hanya terbatas pada golongan pria saja namun juga golongan wanita. Konsumsi rokok dianggap sebagai penyakit yang dapat menyebar melalui kontak sosial. Interaksi yang terjadi antarindividu rentan merokok dengan perokok aktif dapat menyebabkan adanya adiksi nikotin yang berasal dari rokok dan mengakibatkan sesorang dapat menjadi perokok. Telah diketahui bahwa bahaya dan akibat yang disebabkan oleh rokok dapat memicu timbulnya berbagai macam penyakit mulai dari penyakit ringan hingga penyakit kronis yang berujung pada kematian. Berdasarkan kondisi tersebut, penelitian ini bertujuan untuk mengetahui dinamika populasi perokok. Penelitian ini dibagi menjadi populasi pria dan wanita. Model matematika dibagi dalam delapan subpopulasi yaitu SEIRPMHQ dengan menentukan titik kesetimbangan, analisis kestabilan titik kesetimbangan, bilangan reproduksi dasar, dan simulasi numerik. Berdasarkan hasil penelitian diperoleh titik kesetimbangan model SEIRPMHQ menunjukkan stabil asimtotik lokal dan global. Nilai dari bilangan reproduksi dasar sebesar 22.78 yang berarti bahwa populasi perokok selalu ada dan berpotensi adanya penyebaran yang menyebabkan orang lain menjadi perokok. Pria dan wanita rentah merokok mengalami kenaikan pada hari ke-3 kemudian menurun secara perlahan mendekati titik setimbang pada hari ke-20. Wanita perokok pemula mengalami kenaikan jumlah populasi lebih tinggi dibandingkan populasi pria perokok pemula dengan selisih 50 orang dalam kurun waktu 35 hari. Pria dan wanita perokok aktif tidak ada perbedaan kenaikan jumlah populasi yang signifikan. Populasi pria dan wanita yang berhenti merokok mengalami kenaikan mencapai 1000 orang dalam kurun waktu 30 hari dan terus meningkat dalam jangka waktu yang lama.","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47938870","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

KLASIFIKASI EMOSI PADA CUITAN DI TWITTER DENGAN PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE TWITTER中白色表情的分类主成分分析与向量机支持

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-04-30 DOI: 10.26740/mathunesa.v10n1.p13-20

Abi Nizar Sutranggono

{"title":"KLASIFIKASI EMOSI PADA CUITAN DI TWITTER DENGAN PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE","authors":"Abi Nizar Sutranggono","doi":"10.26740/mathunesa.v10n1.p13-20","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n1.p13-20","url":null,"abstract":"Salah satu platform media sosial dengan total pengguna aktif harian terbesar adalah Twitter. Melalui Twitter, orang-orang bisa membagikan suatu pesan yang disebut dengan tweet. Ungkapan yang diekspresikan pada tweet dapat merefleksikan bagaimana emosi atau perasaan yang dimiliki seseorang. Emosi yang terkandung dalam sebuah tweet bisa dikenali lewat proses analisis sentimen. Namun, data teks Twitter tidak terstruktur, mengingat saat ini penggunaan singkatan kata, emoji, atau bahkan frasa khusus banyak dijumpai pada tweet, termasuk tweet yang diunggah oleh masyarakat Indonesia. Sehingga, untuk mengidentifikasi emosi dari data teks Twitter melalui proses analisis sentimen dibutuhkan penerapan metode yang tepat. Di sisi lain, Machine Learning telah banyak diaplikasikan dalam melakukan tugas analisis sentimen. Kerangka kerja yang disajikan pada penelitian ini melibatkan penggunaan dari algoritma Machine Learning untuk dapat menganalisis emosi yang dimuat tweet berbahasa indonesia. Selebihnya, implementasi metode FastText dan teknik ekstraksi fitur PCA juga diterapkan agar output yang diberikan maksimal. Secara keseluruhan hasil penelitian menunjukkan bahwa classifier Support Vector Machine (SVM) dengan fungsi kernel RBF yang dikombinasikan menggunakan PCA memiliki kinerja yang unggul dalam mengklasifikasikan emosi pada tweet berbahasa indonesia, dimana berturut-turut Accuracy, Precision, Recall, serta F1 Score yang dicapai sebesar 70,52%, 74,60%, 69,80%, dan juga 71,20%.","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47507295","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

Penentuan Harga Opsi Saham Karyawan Dengan Memperhitungkan Risiko Pemutusan Hubungan Kerja Menggunakan Levy-exponential Process 基于Levy指数过程计算工作关系终止风险的员工价格选择

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-04-30 DOI: 10.26740/mathunesa.v10n1.p101-108

A. Habib, Rudianto Artiono

{"title":"Penentuan Harga Opsi Saham Karyawan Dengan Memperhitungkan Risiko Pemutusan Hubungan Kerja Menggunakan Levy-exponential Process","authors":"A. Habib, Rudianto Artiono","doi":"10.26740/mathunesa.v10n1.p101-108","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n1.p101-108","url":null,"abstract":"Opsi saham merupakan kontrak antara penjual opsi (writer) dan pembeli opsi (holder) untuk membeli atau menjual saham pada harga yang telah disepakati saat atau sebelum tanggal tertentu. Terdapat dua jenis kontrak opsi saham, yaitu call option dan put option. Ditinjau dari waktu pelaksanaan opsi (exercise), ada dua jenis opsi yaitu opsi gaya Eropa dan opsi gaya Amerika. Perbedaan dari dua jenis opsi tersebut berada pada proses pelaksanaan opsinya. Opsi saham karyawan (OSK) adalah call option yang diberikan oleh perusahaan kepada sekelompok karyawan dari saham perusahaan. Opsi ini dilaksanakan pada harga pelaksanaan tertentu (exercise price) setelah melalui periode tertentu (vesting period) dan memiliki batas waktu tertentu (maturity time). Artikel ini bertujuan untuk menentukan nilai opsi saham karyawan dengan memperhitungkan risiko pemutusan hubungan kerja. Pergerakan harga saham dimodelkan dengan metode levy-exponential process. Batas exercise optimal pemegang dan harga OSK ditentukan dengan menyelesaikan pertidaksamaan variasi integro-diferensial parsial tak homogen (PIDVI). Peneliti juga menerapkan transformasi Fourier untuk menyederhanakan pertidaksamaan variasi. Penelitian ini menghasilkan kesimpulan bahwa risiko pemutusan hubungan kerja yang lebih tinggi mendorong pemegang OSK untuk secara sukarela mempercepat exercise yang pada gilirannya mengurangi beban biaya bagi perusahaan dan telah dapat menentukan harga opsi saham karyawan yang memperhitungkan risiko pemutusan hubungan kerja menggunakan levy-exponential process.","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"42148940","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

APLIKASI INTUITIONISTIC FUZZY MULTI SETS (IFMS) DALAM PEMILIHAN SKINCARE TERBAIK DENGAN MENGGUNAKAN UKURAN KESAMAAN HAMMING YANG DINORMALISASI ftn多功能直觉应用(IFMS)在最佳选择中用正常化的HAMMING相似度量进行选择

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-04-30 DOI: 10.26740/mathunesa.v10n1.p68-75

A. Rahayu, R. Sulaiman

引用次数: 0

DEKOMPOSISI GRAF BINTANG, GRAF BINTANG GANDA, DAN GRAF SAPU 恒星的分解，双星的成像和扫帚的读数

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-04-30 DOI: 10.26740/mathunesa.v10n1.p218-225

Merlynda Marcellina Natashia Bangkit, Budi Rahadjeng

引用次数: 0

BILANGAN KETERHUBUNGAN PELANGI KUAT GRAF KUPU-KUPU, BENES, DAN TORUS 字形、BENES和TORUS

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-04-30 DOI: 10.26740/mathunesa.v10n1.p208-217

Dinda Anisa' Nur Fadlilah, I. K. Budayasa

引用次数: 0

Klasifikasi Jenis Emosi Berdasarkan Gelombang Otak Menggunakan Dimensi Higuchi Dengan K-Nearest Neighbor 基于K-近邻Higuchi维数的脑电波情感类型分类

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-04-30 DOI: 10.26740/mathunesa.v10n1.p150-160

Rizka Nuzul Sofiani, Dwi Juniati

{"title":"Klasifikasi Jenis Emosi Berdasarkan Gelombang Otak Menggunakan Dimensi Higuchi Dengan K-Nearest Neighbor","authors":"Rizka Nuzul Sofiani, Dwi Juniati","doi":"10.26740/mathunesa.v10n1.p150-160","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n1.p150-160","url":null,"abstract":"Gelombang otak dibagi menjadi 5 jenis antara lain, gelombang otak alpha, beta, gamma, delta, dan theta. Gelombang otak tersebut dapat direkam dengan menggunakan alat electoencephalogram (EEG). Dengan menggunakan jenis gelombang otak yang direkam menggunakan Electroencephalography (EEG) akan diklasifikasikan jenis emosi secara matematis menggunakan nilai dimesi fraktal. Tujuan dari penelitian ini adalah untuk mengklasifikasi jenis emosi pada manusia berdasarkan nilai dimensi higuchi dari beberapa kondisi gelombang otak dengan K-Nearest Neighbor (KNN). Pada penelitian ini gelombang otak yang sudah direkam dan dipisahkan sesuai label akan dihitung dimensi higuchi dengan nilai k-max yang digunakan adalah 5, 15, 25, dan 30. Selanjutnya, data yang telah dihitung dimesinya dibagi 2 data sebagai data training dan data testing menggunakan cross validation dan nilai k-fold yang digunakan adalah 2, 4, 10, 15, 20. Untuk proses klasifikasi akan diproses melalui software WEKA dengan nilai K pada KNN yang digunakan adalah 1, 2, 3, 4, dan 5. Pada penelitian ini diperoleh nilai akurasi tertinggi sebesar 91,67% dengan nilai k-max = 15, nilai k pada cross validation = 15 dan nilai K pada KNN = 3. Sehingga, klasifikasi jenis emosi berdasarkan gelombang otak dapat diklasifikasikan menggunakan dimensi higuchi dengan K-Nearest Neighbor.","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48780141","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 SENTIMEN DATA TWITTER MENGENAI PROGRAM VAKSINASI DI INDONESIA MENGGUNAKAN ALGORITMA BACKPROPAGATION 印尼疫苗接种计划的起始日期分析

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-04-30 DOI: 10.26740/mathunesa.v10n1.p161-169

Hafizh Yubi Wicaksono

{"title":"ANALISIS SENTIMEN DATA TWITTER MENGENAI PROGRAM VAKSINASI DI INDONESIA MENGGUNAKAN ALGORITMA BACKPROPAGATION","authors":"Hafizh Yubi Wicaksono","doi":"10.26740/mathunesa.v10n1.p161-169","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n1.p161-169","url":null,"abstract":"Kasus COVID-19 muncul pertama kali pada akhir Desember 2019 di Wuhan, China. sebagai pandemik global. Tercatat hingga Desember 2021 sebanyak lebih dari 4,25 juta kasus dengan tingkat kematian mencapai lebih dari 143,8 ribu jiwa di Indonesia. Pemerintah Indonesia telah memberlakukan berbagai kebijakan untuk terus menekan angka penyebaran virus ini, salah satunya adalah mengadakan program vaksinasi. Tercatat hingga Desember 2021 sebanyak lebih dari 140 juta warga Indonesia telah melakukan vaksinasi minimal 1 dosis. Distribusi vaksin COVID-19 mungkin tekendala oleh keyakinan dan sikap dari individu yang ragu-ragu terhadap vaksin di seluruh dunia. Menurut Word Health Organization (WHO) Keragu-raguan terhadap vaksin merupakan salah satu dari 10 besar ancaman public. Sikap masyarakat terhadap vaksinasi sebagian besar didorong oleh informasi online, khususnya informasi dari media sosial. Perkembangan teknologi seiring dengan tuntutan untuk menganalisis informasi yang beropini telah memunculkan topik penelitian baru dalam bidang Natural Language Processing. Analisis sentimen merupakan suatu pendekatan yang menggunakan teknik Natural Language Processing (NLP) untuk mengekstrak, mengubah, dan menafsirkan opini dari sebuah teks dan mengklasifikasikannya menjadi sentimen positif, negatif atau netral. Oleh karena itu akan dilakukan analisis sentimen mengenai program vaksinasi COVID-19 menggunakan algoritma Backpropagation. Data diambil dari situs github dan tweet scraping. Data yang diperoleh akan diproses menggunakan berbagai macam model supaya dapat divisualisasikan. Hasil akurasi klasifikasi terbaik terhadap data latih diperoleh sebesar 78,00% dengan 1 hidden layer sebagai arsitektur BNN dan metode anova sebagai seleksi fitur. \u0000Kata Kunci : COVID-19, Vaksin, Program Vaksinasi, Backpropagation, Analisis Sentimen","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"49443984","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