Darwinian
Networks (DN) pertama kali diperkenalkan oleh Dr Butz [1] untuk menyederhanakan
dan memperjelas cara bekerja dengannya Jaringan Bayesian (BNs). DN dapat
menyatukan tugas pemodelan dan penalaran ke dalam platform tunggal menggunakan manipulasi
grafis dari tabel probabilitas yang mengambil nuansa biologis. Dari pandangan
DN ini, kami mengusulkan perpustakaan grafis untuk mewakili dan menggambarkan
basis data non-relasional menggunakan DN. Karena pertumbuhannya dari database
semacam ini, kita membutuhkan lebih banyak alat untuk membantu dalam pekerjaan
manajemen, dan DN dapat membantu tugas-tugas ini.
Index:
No
SQL, Darwinian Networks, Non-Relational Database, Java-script, Software
engineering
I.
PENDAHULUAN
Cara di mana kita berkomunikasi, bertukar
informasi dan membuat konten berubah selama bertahun-tahun. Kita hidup di era
di mana web aplikasi telah merevolusi dunia dalam banyak hal cara, dan
kecenderungannya adalah bahwa pertumbuhan ini memungkinkan penciptaan banyak
aplikasi baru. Yang besar volume data yang dihasilkan oleh aplikasi web ini, bersama
dengan bentuk interaksi pengguna yang baru (dinamis, efisien dan intuitif),
skalabilitas aktif permintaan dan kebutuhan akan tingkat yang tinggi ketersediaan,
telah mendorong munculnya baru paradigma dan teknologi. Kita dapat mengutip
Non-Database relasional (NoSQL) dan Darwinian Networks (DN) sebagai hasil dari
permintaan ini. Non-Database relasional [2, 3], juga dikenal sebagai NoSQL atau
Bukan hanya database SQL, adalah teknologi yang dirancang untuk mendukung
persyaratan aplikasi cloud dan mengatasi skala, kinerja, model data dan keterbatasan
basis data relasional. Relasional database [4] memiliki batasan dalam
skalabilitas, membutuhkan distribusi server secara vertikal. Mungkin Kelemahan
dari masalah ini adalah karena lebih banyak data diperoleh, server membutuhkan
lebih banyak memori yang bekerja dan ruang hard disk. NoSQL memiliki horizontal
besar fasilitas distribusi. Dalam prakteknya, lebih banyak data tidak selalu
menyiratkan kinerja yang lebih tinggi untuk diambil server. Perusahaan besar
menggunakan NoSQL dalam teknologi informasi, termasuk Google, yang menggunakan
komputer kecil dan menengah untuk data distribusi. Selanjutnya, basis data
NoSQL adalah kesalahan toleran. Jaringan Darwin (DN) [5, 6] adalah kerangka
kerja probabilistik yang dapat digunakan untuk menyederhanakan bekerja dengan
jaringan Bayesian (BNs) [7]. Di DN, tabel probabilitas bersyarat (CPT) diwakili
sebagai suatu populasi. Secara grafis, lingkaran yang solid berisi lingkaran
kecil yang diisi atau tidak mewakili populasi adalah. Lingkaran dalam disebut
sifat. Di DN, sifat mewakili variabel dari masalah domain yang dimodelkan. Sifat
bisa bersifat agresif atau jinak, tergantung di mana variabel dalam CPT, LHS
atau RHS, masing-masing. Kita dapat mendefinisikan DN sebagai banyak populasi.
Kami menggambarkan DN sebagai putus-putus lingkaran di sekitar penduduknya.
Kita bisa memanipulasi populasi dalamDN menggunakan operasi, termasuk menggabungkan,
replikasi, dan seleksi alam. Dengan ini operasi, DN dapat mewakili inferensi di
BNs. Di makalah ini, kami mengusulkan perpustakaan grafis untuk mewakili dan
menggambarkan database non-relasional menggunakan DN. Ide kami adalah membuat
alat yang berguna untuk membantu dalam manajemen data semacam ini dan itu perwakilan.
Perpustakaan akan menjadi interaktif ruang dengan database non-relasional yang
tersedia melalui antarmuka grafis. Pengguna akan dapat buat dan edit DN dengan
menggunakan antarmuka. Manipulasi DNs kemudian diterjemahkan oleh perpustakaan
ke database non-relasional koresponden operasi. Dengan menggunakan operasi DN
yang tersedia, pengguna akan dapat melakukan inferensi secara grafis. Kami
mengatur sisa makalah sebagai berikut. Bagian II menyajikan database
Non-Relasional dan karakteristik utamanya. Bagian III menunjukkan detail tentang
Jaringan Darwin. Di bagian IV kami menyajikan perpustakaan yang dibuat dan
penggunaannya. Akhirnya, Bagian V menawarkan beberapa pernyataan penutup.
II.
DATABASE RELATIONAL DAN
NON-RELATIONAL
Database relasional telah muncul
sebagai penerus model jaringan hirarkis. Itu model relasional menjadi pola
untuk sebagian besar Sistem Manajemen Database (DBMS). Ini model memunculkan
proses Normalisasi yang mana tujuannya adalah untuk menerapkan serangkaian
langkah dengan aturan tertentu di tabel database untuk memastikan desain yang
tepat dari tabel ini [8]. Selanjutnya, model ini mengadopsi bahasa untuk
manipulasi dan permintaan ini data, SQL (Structured Query Language) yang mana diciptakan
oleh IBM dan terinspirasi oleh relasional aljabar. Pada tahun 1982, American
National Standard Institute (ANSI) mendefinisikan SQL sebagai resmi bahasa
standar untuk lingkungan relasional [9]. Untuk waktu yang lama, database
relasional telah menjadi tipe database yang paling banyak digunakan di
perusahaan itu memiliki volume data yang tinggi untuk disimpan [2, 3]. Berpikir
bahwa jumlah data ini cenderung tumbuh setiap kali, Anda mulai melihat mereka
yang berhubungan database memiliki faktor pembatas tertentu, khususnya ketika
kita mengacu pada sistem skala [10]. Kita dapat menyebutkan kasus Facebook,
yang mencapai tingkat petabyte (pada tahun 2011 volume data ini melebihi 30
petabyte, dan kurang dari setahun sebelumnya volumenya adalah 20 petabyte). Kasus
ini nyata contoh bagaimana pertumbuhan data ini telah berkembang cepat [11].
Untuk jenis organisasi ini, penggunaan DBMS relasional sangat bermasalah dan
tidak efisien. Karena keterbatasan ini, kami memiliki model alternatif baru
untuk lingkungan basis data yang dapat mengisi celah ini. Satu contoh
model-model ini yang sudah cukup kekuatan dan ruang adalah NoSQL ("Tidak
Hanya SQL") [12]. NoSQL adalah istilah umum yang mendefinisikan a database
non-relasional. Model ini datang bersama proposal untuk bertemu, mengatur, dan
mengelola besar volume data, mencari kinerja tinggi dan ketersediaan [13].
A. Paradigma
baru : NoSQL
Database pada umumnya di gunakan dalam
memecahkan berbagai hal masalah model relasional, desainer NoSQL mempromosikan
alternatif dengan penyimpanan tinggi, kecepatan, dan ketersediaan yang bagus. Mereka
berusaha menyingkirkannya aturan dan struktur tertentu yang memandu Model
Relasional. Dengan pelanggaran ini dalam relasional model, kami memenangkan
kinerja dan lebih fleksibel sistem basis data untuk berbagai fitur yang ada unik
untuk setiap perusahaan. Fleksibilitas ini telah menjadi penting untuk memenuhi
persyaratan skalabilitas yang tinggi diperlukan untuk mengelola sejumlah besar
data, serta untuk memastikan ketersediaan tinggi, fitur utama untuk Web 2.0 aplikasi.
Proposal dari database NoSQL tidak memadamkan Model Relasional, tetapi
menggunakannya dalam kasus di mana diperlukan lebih banyak fleksibilitas penataan
basis data [13]. Gerakan ini sangat menjamur di bidang open source dan meskipun
ada banyak basis data dalam kategori ini. Pergerakan mulai mendapatkan lebih
banyak kekuatan ketika beberapa perusahaan, dianggap sebagai raksasa teknologi,
mulai menggunakan mereka implementasi eksklusif. Kami bisa menyebutkan Google,
yang sejak 2004 berinvestasi di BigTable. Kita juga memiliki Cassandra, yang dikembangkan
oleh Facebook untuk menangani arus besar informasi. Pada tahun 2010, Cassandra
terbukti menjadi basis data terkonsolidasi dan sekarang digunakan oleh Twitter,
yang menggunakan MySQL sebelumnya [14]. Database NoSQL memiliki beberapa hal
penting karakteristik yang membuat mereka sangat berbeda database relasional
seperti skalabilitas Horizontal; Skema bebas skema atau fleksibel; Dukungan
asli untuk replikasi; API sederhana untuk mengakses database.
B. PERBEDAAN
UNTAMA ANTARA DBMS RELATIONAL DAN NoSQL
Ketika kita berpikir tentang
kemungkinan menggunakan database NoSQL daripada relasional model, kita perlu
mengambil beberapa pertanyaan pertimbangan, seperti eskalasi, konsistensi, dan ketersediaan
data. Untuk lebih memahami semua itu perbedaan, Tabel I mencontohkan dengan
singkat ini pertanyaan. Kami juga bisa merangkum kedua jenis itu database (Relational
Model dan NoSQL) dan karakteristik utama sebagai berikut.
Untuk menambah dan menghapus
populasi, edit screen, yang digambarkan pada Gambar 7 menawarkan dua alat
sederhana: bentuk untuk menambahkan populasi di atas dan pilihan untuk mengklik
ganda suatu populasi untuk menghapusnya. Pengguna dapat daftar agresif dan sifat
jinak dengan memisahkan mereka dengan koma. Itu antarmuka mem-parsing input
untuk kenyamanan. Pada daftar evolusi, pengguna mengedit dan melanjutkan
evolusi tetapi tidak dapat membuatnya. Evolusi hanya bisa terjadi dibuat dari
layar daftar DN. Pada Gambar 8, layar daftar evolusi ditampilkan. Kapanpun
sebuah evolusi dihapus, semua DN yang sesuai adalah juga dihapus. Tetapi
perhatikan bahwa DN asli adalah tidak pernah dimodifikasi, hanya salinannya.
Selanjutnya, pengguna bisa melakukan evolusi dengan memanipulasi populasi di layar
evolusi, seperti yang diilustrasikan pada Gambar 9. Populasi dapat mereplikasi
dan bergabung. Untuk meniru, diperlukan klik ganda dalam suatu populasi, yang memicu
jendela pop-up yang menanyakan sifat mana akan dihapus di replika. Untuk menggabungkan
populasi, pengguna dapat menyeret satu di atas yang lain.
 |
| Tabel I. |
·
Database Relasional
-
Apa itu: berdasarkan itu semua data disimpan tabel, dengan konsep entitas dan
hubungan. Data dipisahkan dalam bentuk yang unik, coba mengurangi redundansi
maksimum, karena informasi dibuat oleh semua data, yang merupakan hubungan antar
tabel yang membuat ini layanan.
-
Fitur: tabel, skema yang ditentukan, hierarki, redundansi minimal, dan hubungan
entitas, bentuk normal, transaksi ACID (atomicity, konsistensi, isolasi, daya
tahan).
-
Kapan menggunakan: lokal, keuangan, perusahaan; informasi keamanan; konsistensi
data.
·
NoSQL Databases
-
Apa itu: solusi alternatif untuk relasional database, memiliki skalabilitas dan
kinerja tinggi.
-
Fitur: catatan, bebas skema, toleransi kesalahan, skalabilitas, pengelompokan,
mapreduce, sharding.
-
Kapan menggunakan: sistem cloud, analisis sosial, tinggi skalabilitas, kinerja
dalam permintaan / tulis replikasi.
III.
DARWINIAN NETWORK
Darwinian
Network (DN) [5, 6] diusulkan untuk menyederhanakan bekerja dengan Bayesian jaringan
(BNs) [7]. Daripada memodelkan variabel dalam domain masalah, DN mewakili tabel
probabilitas dalam model. Grafisnya manipulasi tabel kemudian mengambil sebuah perasaan
biologis, di mana CPT P (X / Y) dipandang sebagai representasi baru dari
populasi p (C, D) menggunakan kedua sifat tempur C (berwarna jernih) dan sifat
jinak D (berwarna gelap).
A. Definisi
Suatu
sifat dapat bersifat agresif atau jinak. Sifat traversik adalah digambarkan
oleh lingkaran (putih) yang jelas. Sifat jinak td diilustrasikan oleh
lingkaran gelap (hitam). Sebuah populasi p(C,
D) mengandung satu set sifat-sifat CD yang tidak kosong, di mana C dan D
berada disjoint, C secara eksklusif agresif, dan D secara eksklusif jinak.
Populasi digambarkan oleh kurva tertutup sifat-sifatnya. Sebagai contoh, Gambar
4 (i) menunjukkan delapan populasi, termasuk p(b, ag), yang merupakan kependekan untuk p({b}, {a, g}), diilustrasikan dengan kurva tertutup di
sekitar sifat agresif (b) dan dua (gelap) sifat jinak a dan g.
IV.
GRAPHICAL LIBRARY
Pada
bagian ini, kami akan menjelaskan bagaimana Jaringan Darwin (DN) dapat dimodelkan
secara non-relasional. Selanjutnya, kami juga membahas bagaimana evolusi dapat
disimpan sebagai koleksi di database non-relasional yang sama. Dengan
menjelaskan itu, kami memformalkan produk dari makalah ini: Library javascript sederhana untuk mewakili DN
di database non-relasional dengan intuitif dan antarmuka grafis untuk pengguna.
Untuk memastikan bahwa produk dikembangkan dengan baik dan dikontrol selama seluruh
proses, kami menggunakan pendekatan PM5 untuk kelola proyek ini [15].
A. Deskripsi Basis
Data
Sistem
ini dibentuk oleh non-relasional server database dan antarmuka web untuk
memanipulasi data. Server menjalankan javascript Node.js platform, membentuk bagian
backend Library, yang juga mencakup penanganan permintaan klien dan mengelola
database. Antarmuka web juga ditulis dalam javascript dan berkomunikasi dengan browser
dengan menawarkan visualisasi terbaru dari database. Untuk menggambar DN di
browser, web antarmuka menggunakan Scalable Vector Graphics (SVG), yang
merupakan format gambar vektor berbasis XML untuk grafis dua dimensi dengan
dukungan untuk interaktivitas dan animasi. Yang penting pertama konsep di
perpustakaan adalah representasi dari suatu sifat. Dengan konvensi, sifat akan
direpresentasikan sebagai satu karakter atau string tunggal. Misalnya, sifat a
adalah diwakili oleh karakter ‘a’. Konsep kedua yang kami gunakan dalam proyek
ini adalah konvensi kode identifikasi unik untuk setiap koleksi, disebut id. ID
adalah 32 yang dihasilkan secara acak karakter kode panjang. Apalagi, id itu
unik untuk setiap populasi, aturan yang ditegakkan oleh yang non relasional server
basis data. Populasi diwakili oleh a koleksi dalam database. Bidang pertama
dari koleksi adalah id populasi. Bidang kedua adalah dnId, itu adalah id untuk
DN dari mana ini populasi terkandung. Selanjutnya, populasi telah dua bidang
array: agresif dan jinak. Mereka berdua tahan urutan karakter (karakter). Untuk
visualisasi populasi ini, kami juga perlu simpan posisi populasi di layar. Kita
bisa mencapai itu dengan menambahkan dua lagi bidang: posX dan posY, menyimpan
populasi posisi horisontal dan vertikal, masing-masing. Terakhir, kami membuat
bidang yang dibuat. Saat menyimpan populasi telah dibuat. Berikut satu contoh populasi
p (a; b) seperti yang ada dalam database:
DN adalah koleksi yang dibuat untuk menjadi direferensikan
oleh populasi. Bidang pertamanya adalah identitas unik. Mengikuti nama bidang
yang disebut, yang merupakan masukan
pengguna untuk mengidentifikasi DN secara spesifik. DN adalah digunakan untuk
pemodelan domain masalah dan mereka juga digunakan untuk inferensi. Jadi, kami
membutuhkan lapangan untuk membedakan antara dua situasi ini. Yang itu adalah
field Boolean isEvlotion yang menyimpan false jika DN digunakan dalam pemodelan
dan benar jika digunakan dalam kesimpulan. Koleksi DN juga memiliki bidang dibuat
untuk menyimpan tanggal pembuatan pengguna. Dibawah ini adalah a dokumen dari
koleksi DN:
Hal terakhir yang dibutuhkan
perpustakaan mewakili dalam database adalah evolusi. Pertama bidang adalah id
uniknya. Selanjutnya, kami memiliki nama bidang, digunakan untuk menyimpan identifikasi
akrab bagi pengguna. Bidang yang paling penting dalam koleksi ini adalah dns
satu. Di sini, kami memiliki jenis
bidang array dengan urutan urutan nomor DN. ID ini sesuai dengan DNs dengan is
isvolusi medan benar. Dengan demikian, koleksi evolusi dapat menghemat urutan
DN, yang persis arti dari proses inferensi dalam DN. Terakhir, createdAt
memiliki fungsi serupa di sini. Ini mungkin
dokumen evolusi dari koleksi evolusi:
B.
Web
Interface
Web interface terdiri dari layar
di mana pengguna dapat membuat, mengedit, dan menghapus DN dan evolusi. DN
dibuat secara independen dari evolusi. Artinya, pengguna dapat menentukan DN dan
simpan di layar. Nanti, jika pengguna mau melakukan evolusi dengan DN tertentu,
pengguna bisa pilih dari daftar DN dan mulai populasi manipulasi. Perhatikan bahwa
kapan pun pengguna memulai evolusi salinan DN asli dibuat, artinya semua
manipulasi populasi tidak diterapkan pada DN yang ditentukan, tetapi untuk
salinannya. Pengguna dapat membuat DN, mengedit, dan menghapus DN di DN layar
daftar, seperti yang ditunjukkan pada Gambar 5 dan 6.
 |
| Gambar 5 tampilan list DN |
 |
| gambar 6 |
 |
| gambar 7 mengedit DN |
 |
| gambar 8 List evolusi yang ada. |
 |
| gambar 9 manipulasi hasil populasi |
Web interface saat ini berfungsi
secara terbuka, yaitu semua pengguna memiliki akses yang sama database.
Pekerjaan masa depan akan menciptakan individu bagian, membatasi pengguna ke
basis data mereka sendiri. Pekerjaan masa depan juga dapat mengimplementasikan
representasi beberapa DN. Di sini, idenya adalah menciptakan koleksi baru untuk
menjadi entitas di mana semua DN terkandung. Pendekatan ini mirip dengan
caranya populasi dari DN tertentu mengacu pada id dari DN itu.
V.
KESIMPULAN
Kami mengusulkan kerangka
representasi untuk Jaringan Darwin dengan Non-Relasional Database, tersedia di
https: // dnslab. herokuapp.com/ .
Ini adalah javascript implementasi operasi dasar untuk adaptasi dan evolusi
dalam DN. Utama keuntungan dari perpustakaan grafis DN adalah untuk memvisualisasikan
ide-ide dan teknik-teknik baru dari DN. Jadi, ini adalah alat yang hebat untuk
mengajar, cepat prototyping dengan DN dan pengujian. Non-relasional database
(NoSQL) adalah solusi alternatif untuk database relasional, memiliki
skalabilitas tinggi dan kinerja. Kami telah menunjukkan yang komprehensif perbandingan
antara relasional dan non-relasional database. Motivasi dan konsep dasar
tentang database non-relasional dinyatakan juga contoh untuk menggambarkan
karakteristik utamanya. Berikutnya, kami mempelajari bagaimana perbandingan
paradigma database ini dengan database relasional. Kami juga menyediakan contoh
untuk menjelaskan kelebihan dan kerugian. Dengan memanfaatkan fitur unik dari NoSQL
kami mengembangkan kerangka kerja intuitif untuk memvisualisasikan bekerja
dengan DN. Misalnya, pengguna dapat membuat DN, mengedit, dan menghapus DN di
DN layar daftar. Fitur lain yang menonjol adalah DN manipulasi. Dengan daftar
evolusi, pengguna bisa mengedit nama dan melanjutkan evolusi. Pengguna bisa memanipulasi
populasi untuk mereplikasi dan menggabungkan mereka ketika melakukan evolusi. Jurnal
ini mengusulkan perpustakaan grafis untuk mewakili dan menggambarkan database
non-relasional menggunakan DN. Kesimpulan, kami telah menetapkan empat keuntungan
utama penggunaan Pustaka grafis DN:
Perpustakaan adalah ruang
interaktif dengan non-relasional database tersedia melalui antarmuka grafis.
Pengguna dapat membuat dan mengedit DN dengan menggunakan antarmuka web.
Manipulasi DNs kemudian
diterjemahkan oleh perpustakaan ke koresponden non-relasional operasi basis
data.
Dengan menggunakan operasi DN
yang tersedia, pengguna dapat melakukan inferensi secara grafis.
Kerangka ini adalah alat yang
hebat untuk belajar DN.
dan semua kode sumber tersedia
secara online gratis di GitHub melalui halaman web:
https://gitlab.com/jhonatanoliveira/dn-lab
Dengan kerangka kerja ini, DN dapat diterapkan sebagai alat yang sederhana
namun sangat kuat mereka, memungkinkan pengguna untuk menggambarkan penalaran
dengan DN.
UCAPAN TERIMA KASIH
CNPq
(Conselho Nacional de Desenvolvimento Ciencia Tecnologico - ”Dewan Nasional
Teknologi dan Ilmiah Development ”) mendukung pekerjaan ini.
REFERENSI
[1].
C. J. Butz, “Introducing darwinian networks,” in Proceedings of the Twenty-
Eighth International Florida Artificial Intelligence Research Society
Conference, 2015, pp. 604–610.
[2].
C. Mohan, “History repeats itself: Sensible and nonsensql aspects of the nosql
hoopla,” in Proceedings of the 16th International Conference on Extending
Database Technology, 2013, pp. 11–16.
[3].
A. Lith and J. Mattsson, “Investigating storage solutions for large data-a
comparison of well performing and scalable data storage solutions for real time
extraction and batch insertion of data,” 2010.
[4].
D. Maier, Theory of Relational Databases. Computer Science Pr, 1983.
[5].
C. J. Butz, J. S. Oliveira, and A. E. dos Santos, “Darwinian networks,” in
Proceedings of the Twenty-Eighth Canadian Artificial Intelligence Conference,
2015, pp. 16–29.
[6].
——, “On Darwinian networks,” Computational Intelligence, 2015.
[7].
J. Pearl, Probabilistic Reasoning in Intelligent Systems: Networks of Plausible
Inference. Morgan Kaufmann, 1988.
[8].
E. F. Cood, The Relational Model for Database Managment. Addison-Wesley
Publishing Company, 1990.
[9].
IBM, “Relational database,” 2012, online; Available at http://www-
03.ibm.com/ibm/history/ibm100/ us/en/icons/reldb/, Accessed 24-July-2016.
[Online]. Available: http://www- 03.ibm.com/ibm/history/ibm100/
us/en/icons/reldb/
[10].
Uniredes, “List of the most used databases in the would,” 2013, online;
Available at http://uniredes.org/kb/?View= entry&EntryID=224, Accessed
24-July- 2016. [Online]. Available:
http://uniredes.org/kb/?View=entry&EntryI D= 224
[11].
InfoQ, “Facebook - the biggest migration,” 2011, online; Available at
https://www.infoq.com/br/news/ 2011/08/facebook-maior-migracao, Accessed
24-July- 2016. [Online]. Available: https://www.infoq.com/br/
news/2011/08/facebook-maior-migracao
[12].
N. Database, “List of nosql databases,” 2015, online; Available at
http://nosql-database.org, Accessed 16-July- 2016. [Online]. Available:
http://nosql-database.org/
[13].
MongoDB, “Mongodb for giant ideas,” 2016, online; Available at
https://www.mongodb.com/, Accessed 25- July-2016. [Online]. Available:
https://www.mongodb. com/
[14].
NoSQLDatabases, “How to create a consistent hasher using php,” 2010, online;
Available at http://www. nosqldatabases.com/main/tag/consistent-hashing,
Accessed 21-July-2016. [Online]. Available: http:
//www.nosqldatabases.com/main/tag/consist ent-hashing
[15]. P. R. M. Andrade, A. B. Albuquerque, O. F.
Frota, and J. F. S. Filho, “Pm5: One approach to the management of it projects
applied in the brazilian public sector,” in Proceedings of 13th International
Conference on Software Engineering Research and Practice - SERP. WorldComp,
2015.
Kelompok :
Axel Aryobowo (51414858)
M.Himawan Noer Adiyasa (57414308)
Axel Aryobowo (51414858)
M.Himawan Noer Adiyasa (57414308)
Sumber :
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3016606
Tidak ada komentar:
Posting Komentar