Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol.
No.
April 2026, hlm.
p-ISSN: 2355-7699
e-ISSN: 2528-6579
ARSITEKTUR MESH 6G-IOT MENGGUNAKAN INTELLIGENT REFLECTING
SURFACES (IRS) UNTUK OPTIMASI SINYAL DI AREA YANG SULIT
DIJANGKAU
Wildan*1 Sekolah Tinggi Manajemen Informatika dan Komputer Adhi Guna.
Palu Email: 1wildan393@gmail.
*Penulis Korespondensi (Naskah masuk: 24 November 2025, diterima untuk diterbitkan: 18 Januari 2.
Abstrak Perkembangan jaringan 6G diproyeksikan menjadi fondasi utama bagi ekosistem Internet of Things (IoT) berskala masif dengan kebutuhan cakupan yang luas, latensi sangat rendah, serta efisiensi energi tinggi.
Namun, area sulit jangkau seperti pedesaan terpencil, daerah pegunungan, atau wilayah dengan banyak halangan fisik masih menjadi tantangan utama bagi operator jaringan.
Di sisi lain, arsitektur jaringan mesh dan teknologi Intelligent Reflecting Surfaces (IRS) muncul sebagai kandidat kuat untuk membentuk lingkungan radio yang dapat diprogram dan memperluas jangkauan sinyal tanpa menambah daya pancar secara signifikan.
Artikel ini mengusulkan sebuah arsitektur mesh 6G-IoT berbasis IRS yang dirancang khusus untuk mengoptimasi kualitas sinyal di area sulit jangkau.
Kontribusi utama penelitian ini meliputi: .
perancangan topologi mesh 6GIoT yang memanfaatkan node IoT sebagai relay adaptif.
integrasi IRS sebagai Aureflektor cerdasAy pada titiktitik bayangan sinyal .
on-line-of-sigh.
formulasi model optimasi gabungan pemilihan rute mesh dan konfigurasi fase IRS untuk memaksimalkan Signal-to-Interference-plus-Noise Ratio (SINR) dan probabilitas Hasil simulasi konseptual menunjukkan bahwa arsitektur yang diusulkan mampu meningkatkan SINR rata-rata hingga sekitar 35% dan cakupan area hingga 30% dibandingkan skema mesh tanpa IRS, serta lebih efisien energi dibandingkan pendekatan penambahan base station konvensional.
Penelitian ini mengindikasikan bahwa kombinasi mesh 6G-IoT IRS berpotensi menjadi solusi praktis untuk memperkecil kesenjangan digital di area sulit dijangkau.
Kata kunci: 6G.
Internet of Things.
Intelligent Reflecting Surfaces, jaringan mesh, area sulit jangkau.
SINR, cakupan jaringan.
MESH ARCHITECTURE USING INTELLIGENT REFLECTING SURFACES (IRS)
FOR SIGNAL OPTIMIZATION IN HARD-TO-REACH AREAS
Abstract The development of 6G networks is projected to become a fundamental foundation for massive-scale Internet of Things (IoT) ecosystems, characterized by wide coverage requirements, ultra-low latency, and high energy However, hard-to-reach areas such as remote rural regions, mountainous terrains, and environments with significant physical obstructions remain major challenges for network operators.
Meanwhile, mesh network architectures and Intelligent Reflecting Surfaces (IRS) have emerged as strong candidates for creating programmable radio environments and extending signal coverage without significantly increasing transmit power.
This article proposes an IRS-assisted 6G-IoT mesh architecture specifically designed to optimize signal quality in hard-to-reach areas.
The main contributions of this study include: .
the design of a 6G-IoT mesh topology that leverages IoT nodes as adaptive relays.
the integration of IRS as Auintelligent reflectorsAy deployed at signal shadowing .
on-line-of-sigh.
the formulation of a joint optimization model for mesh route selection and IRS phase configuration to maximize the Signal-to-Interference-plus-Noise Ratio (SINR) and coverage probability.
Conceptual simulation results demonstrate that the proposed architecture can improve average SINR by approximately 35% and area coverage by up to 30% compared to conventional mesh schemes without IRS, while also achieving higher energy efficiency than traditional base station densification approaches.
These findings indicate that the combination of 6G-IoT mesh networks and IRS has strong potential as a practical solution to reduce the digital divide in hard-to-reach areas.
Keywords: 6G.
Internet of Things.
Intelligent Reflecting Surfaces, mesh networks, hard-to-reach areas.
SINR, network coverage.
392 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK).
Vol.
No.
April 2026, hlm.
PENDAHULUAN
Pertumbuhan ekosistem Internet of Things (IoT) diproyeksikan mencapai puluhan miliar perangkat yang terhubung dengan kebutuhan data masif, layanan real-time, dan cakupan yang hampir tersebar di berbagai lokasi.
Jaringan 6G diharapkan menjadi tulang punggung untuk mendukung kebutuhan ini dengan menawarkan kapasitas ultratinggi, latensi ultra-rendah, dan efisiensi energi yang lebih baik dibandingkan 5G.
Namun demikian, area yang sulit dijangkau seperti pedesaan terpencil, wilayah kepulauan, area pegunungan, dan lingkungan dengan padat penduduk, serta pepohonan yang banyak masih menghadapi keterbatasan sinyal yang signifikan.
Pendekatan konvensional seperti penambahan macro base station atau repeater sering kali tidak ekonomis dan kurang efisien untuk wilayah dengan kepadatan pengguna rendah.
Penelitian ini masih memiliki keterbatasan karena evaluasi arsitektur mesh 6G-IoT berbasis Intelligent Reflecting Surfaces (IRS) dilakukan pada tingkat simulasi dan pemodelan teoretis, sehingga belum sepenuhnya merepresentasikan dinamika kondisi lapangan seperti variasi kanal, mobilitas node IoT, dan perubahan lingkungan fisik di area sulit Asumsi estimasi kanal dan sinkronisasi yang ideal berpotensi menurunkan akurasi kinerja saat diterapkan pada sistem nyata, sementara optimasi gabungan routing mesh dan konfigurasi fase IRS menimbulkan kompleksitas komputasi dan overhead sinyal kontrol yang signifikan pada jaringan berskala Meskipun demikian, arsitektur ini memiliki implikasi praktis yang menjanjikan karena mampu memperluas cakupan dan meningkatkan efisiensi energi tanpa densifikasi base station konvensional.
Implementasi di dunia nyata tetap memerlukan orkestrasi jaringan adaptif, dukungan komputasi tepi, kesiapan standar 6G, serta penguatan aspek keamanan dan keandalan sistem.
Dua pendekatan yang semakin banyak dibahas dalam literatur untuk mengatasi masalah cakupan adalah:
Jaringan mesh yang mengandalkan sekumpulan node saling terhubung untuk memperpanjang rute transmisi dan meningkatkan keandalan pedesaan terpencil dan node akhir jaringan.
Intelligent Reflecting Surfaces (IRS), yaitu permukaan metasurface pasif dengan elemen yang dapat diprogram untuk memantulkan sinyal dengan fase tertentu sehingga jalur penyebaran sinyal radio dapat Audibentuk ulangAy secara .
Berbagai studi menunjukkan bahwa IRS dapat meningkatkan cakupan.
SINR, serta efisiensi energi jaringan 6G, termasuk untuk skenario IoT berskala .
Namun, sebagian besar penelitian berfokus pada makro-sel, vehicular networks, atau skenario industri, dan belum banyak yang mengkaji integrasi IRS dengan arsitektur mesh 6G-IoT untuk area sulit jangkau.
Oleh karena itu, penelitian ini mengusulkan arsitektur mesh 6G-IoT berbasis IRS yang ditujukan khusus untuk optimalisasi sinyal di area sulit jangkau.
Fokus penelitian berada pada:
bagaimana topologi mesh memanfaatkan perangkat IoT sebagai relay, bagaimana IRS ditempatkan dan dikonfigurasi untuk mengatasi blokade sinyal, dan bagaimana optimasi bersama .
oint optimizatio.
antara routing mesh dan fase IRS dapat meningkatkan SINR serta cakupan jaringan.
TINJAUAN PUSTAKA
1 6G dan IoT Masif Berbagai survei mengenai 6G menyoroti bahwa jaringan generasi ini akan menggabungkan teknologi seperti THz communication, massive MIMO, reconfigurable intelligent surfaces.
UAV-aided networks, dan arsitektur cloudAeedgeAedevice untuk mendukung IoT masif dan sistem cerdas.
Konteks 6G-IoT menuntut cakupan luas, keandalan tinggi, dan efisiensi energi, terutama di lingkungan dengan kondisi jalur yang menantang.
2 Intelligent Reflecting Surfaces (IRS) IRS adalah metasurface pasif yang terdiri atas banyak elemen pemantul yang dapat mengubah fase .
an dalam beberapa arsitektur juga amplitud.
sinyal datang, sehingga lingkungan radio menjadi dapat diprogram .
rogrammable wireless environmen.
Studi-studi awal dan survei terkini menunjukkan bahwa IRS mampu:
Meningkatkan efisiensi spektral dan energi.
Memperbaiki SINR di tepi sel dan area terhalang.
Mengurangi .
IRS juga telah dikaji untuk skenario 6G IoT, misalnya peningkatan cakupan, pengurangan konsumsi daya perangkat, dan optimasi coverageAeenergy tradeoff.
3 Mesh Networking untuk Area Sulit Jangkau Mesh networks telah menjadi komponen penting dalam pengembangan jaringan nirkabel generasi mendatang karena kemampuannya menyediakan konektivitas multi-hop, redundansi, dan perluasan cakupan tanpa infrastruktur berbasis base station yang mahal.
Strinati et al.
mencatat bahwa lingkungan nirkabel yang dapat diprogram digunakan untuk meningkatkan propagasi sinyal dengan Wildan, dkk.
Arsitektur Mesh 6G-IoTA 393 memanfaatkan teknologi permukaan pintar seperti Reconfigurable Intelligent Surfaces (RIS) dalam konteks 6G untuk mengatasi batasan jangkauan dan hambatan fisik radio.
Konsep mesh network juga dieksplorasi secara teoretik dalam konteks jaringan nirkabel generasi selanjutnya, di mana strategi arsitektur hierarkis dapat mengatasi isu skalabilitas throughput sehingga memungkinkan jaringan mesh skala besar di lingkungan 6G.
Penelitian terkait juga mengevaluasi kinerja mesh networking dalam skenario IoT di lingkungan urban, menunjukkan bahwa jaringan mesh secara umum menawarkan konektivitas dinamis, cakupan luas, dan tahan terhadap kegagalan node, meskipun tantangan seperti latensi dan efisiensi energi pada skala besar perlu diatasi.
Secara keseluruhan, literatur menunjukkan bahwa kombinasi mesh networking dan teknologi IRS menyediakan pendekatan yang potensial untuk memperluas cakupan dan meningkatkan kualitas sinyal dalam jaringan 6G-IoT, terutama di area yang sulit dijangkau oleh infrastruktur nirkabel Hal inilah yang menjadi acuan dan motivasi utama dari arsitektur yang diusulkan pada artikel ini.
METODE PENELITIAN
1 Formulasi Masalah dan Model Sistem 1 Model Jalur untuk 6G-IoT dengan IRS Model Jalur digunakan untuk menggambarkan bagaimana sinyal dipropagasi antara gNB .
ode pemancar 6G) dan node IoT penerima melalui Intelligent Reflecting Surfaces (IRS).
Kita menganggap bahwa jalur yang digunakan adalah jalur nirkabel sub-THz atau mmWave, dengan karakteristik seperti high path loss dan fading yang sangat sensitif terhadap hambatan fisik .
Jalur langsung (LoS) antara gNB dan node IoT, dengan path loss model:
yca EeLoS .
= .
yuUyceycc )yu .
di mana ycc adalah jarak antara gNB dan node IoT, yce adalah frekuensi, dan yu adalah faktor path loss .
iasanya antara 2 dan 6 di mmWav.
Jalu tidak langsung (NLoS) yang dilalui oleh sinyal yang dipantulkan oleh IRS:
EaIRS .
= OoEeIRS .
UI hIRS UI UI hIoT .
Di sini.
EeIRS .
adalah path loss antara IRS dan node IoT, hIRS adalah vektor Jalur IRS-to-gNB, adalah matriks fase IRS .
engan setiap elemen ycu = yce ycyuEycu ), dan yaIoT adalah vektor Jalur antara IRS dan node IoT.
2 Signal-to-Interference-plus-Noise Rasio SINR adalah metrik utama untuk mengukur kualitas sinyal di penerima, yang digunakan untuk menentukan keberhasilan transmisi data pada sistem Pada jaringan mesh 6G-IoT dengan IRS.
SINR di node penerima ycn dapat dihitung sebagai:
SINRycn = ycE ycEsignal,ycn interference,ycn ycEnoise,ycn .
Penerimaan sinyal ycEsignal,ycn merupakan power sinyal yang diterima pada node ycn, yang melibatkan sinyal dari gNB langsung dan sinyal yang dipantulkan oleh IRS:
ycEsignal,ycn =O EaLoS,ycn O2 O EaIRS,ycn O2 .
Di mana EaLoS,ycn adalah kanal langsung dari gNB ke node ycn, dan EaIRS,ycn adalah kanal yang dipantulkan oleh IRS.
Gangguan.
Gangguan pada penerima node ycnberasal dari transmisi sinyal dari node mesh lainnya yang mungkin terhubung dengan gNB.
Karena ada banyak node mesh yang saling berkomunikasi, interferensi dapat dihitung sebagai:
ycEinterference,ycn = OcycOycn ycEsignal,yc .
dimana ycEsignal,yc adalah daya sinyal dari node yc yang menginterferensi node ycn.
Kebisingan.
Kebisingan adalah white Gaussian noise (WGN) yang diterima oleh node ycn.
Pada penerima, kebisingan dapat diwakili oleh:
ycEnoise,ycn = ycA0 yaA.
dimana ycA0 adalah densitas kebisingan spektral dan yaA adalah bandwidth sistem.
3 Formulasi Optimasi Routing Mesh Optimasi routing dalam jaringan mesh 6G-IoT dilakukan untuk memilih jalur terbaik dari gNB ke node tujuan, yang melibatkan multi-hop relay oleh node IoT.
Metrik utama dalam optimasi routing adalah delay total dan loss path yang melibatkan kualitas kanal dan jumlah hop.
Formulasi optimasi rute mesh ye untuk memilih jalur dari gNB ke node IoT adalah:
ya yeopt = arg min Oc ye yco=1 .
elayyco path lossyco ).
Di mana ya adalah jumlah hop dalam jalur ye, dan masing-masing hop dilalui oleh node IoT relay.
Untuk setiap hop yco, kita memperhitungkan delay dan path loss yang ditentukan oleh jalur model.
394 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK).
Vol.
No.
April 2026, hlm.
4 Optimasi Fase IRS Konfigurasi fase IRS harus dioptimalkan untuk memaksimalkan SINR pada penerima.
Optimasi fase IRS bertujuan untuk menentukan sudut refleksi yuEycu yang tepat pada elemen reflektor IRS untuk setiap node, dengan cara memaksimalkan total SINR di setiap node tujuan dalam jaringan.
Formulasi optimasi fase IRS untuk node ycn adalah sebagai berikut:
max OcN yo OhLoS,i hIRS,i UIO2 OcjOi OhLoS,j hIRS,jUIO2 N0 fokus pada routing atau diversitas kanal saja, arsitektur yang diusulkan bertujuan untuk menggabungkan keuntungan mesh multi-hop dengan kemampuan IRS dalam memprogram lingkungan radio untuk meningkatkan SINR, throughput, dan cakupan di area sulit dijangkau.
Di sini, optimasi dilakukan untuk menemukan matriks fase yang mengoptimalkan SINR untuk seluruh node ycn.
Biasanya, masalah ini tidak linier dan memerlukan teknik optimasi berbasis alternating optimization atau metaheuristic algorithms seperti Particle Swarm Optimization (PSO) atau Genetic Algorithm (GA).
2 Skema Optimasi Gabungan MeshAeIRS Proses optimasi dilakukan dalam dua tahap iteratif:
Optimasi Routing Mesh: Pada tahap pertama, kita memilih jalur mesh optimal menggunakan algoritma Dijkstra atau Bellman-Ford yang meminimalkan path loss dan delay.
Dalam hal ini, metric path loss dihitung berdasarkan model kanal yang mencakup sinyal dari gNB dan dari IRS.
Perhitungannya adalah:
Gambar 1.
Peta Penelitian Penjelasan Peta Penelitian yca path lossmesh .
cn, y.
= .
yuUyceycc )yu .
ycnyc dengan yccycnyc adalah jarak antara node ycndan node yc.
Optimasi Fase IRS: Setelah rute mesh dipilih, tahap kedua adalah optimasi fase IRS untuk memaksimalkan SINR total pada node tujuan.
Ini dilakukan dengan mengoptimalkan matriks fase
IRS
untuk meningkatkan jalur sinyal yang dipantulkan.
Pendekatan alternating optimization dapat diterapkan, di mana fase IRS dihitung iteratif, memperbaiki SINR secara berulang.
Dengan metode di atas, kita dapat membangun simulasi dan mengoptimalkan kinerja jaringan mesh 6G-IoT yang menggunakan IRS untuk memperbaiki kualitas sinyal di area sulit jangkau.
Keberhasilan optimasi bergantung pada pemilihan algoritma yang tepat dan parameter jalur yang sesuai untuk sistem
HASIL DAN PEMBAHASAN
1 Peta Penelitian Peta penelitian ini menempatkan studi kami sebagai interseksi antara penelitian mesh networking untuk jaringan IoT/6G dan teknologi pintar Intelligent Reflecting Surfaces (IRS).
Berbeda dengan studi yang Mesh Networking untuk 6G-IoT: Fokus pada routing adaptif, konektivitas multi-hop, dan ketersediaan jaringan di area tanpa infrastruktur Termasuk studi peningkatan scalability dan robustness IoT mesh networks.
Beamforming & Teknik Diversitas: Termasuk MIMO.
OFDM, mmWave/THz yang dapat membantu mitigasi kanal dan meningkatkan SINR.
Namun teknologi ini memerlukan hardware kompleks dan daya tinggi, sehingga kurang ideal untuk area Ausulit dijangkau.
Ay Intelligent Reflecting Surfaces (IRS): IRS adalah teknologi permukaan pasif yang dapat memprogram lingkungan radio, memperbaiki kanal Non-LoS tanpa peningkatan daya suara.
Fokus riset biasanya pada optimasi fase dan penempatan IRS untuk memaksimalkan performa jaringan.
Radio Resource & Power Control: Termasuk optimasi energi, penjadwalan, dan kontrol sumber daya radio untuk IoT efisien.
2 Simulasi SetupPSimulasi Simulasi dilakukan pada skenario area sulit dijangkau dengan topologi mesh multi-hop yang terdiri dari node IoT statis dan satu gateway Jarak node terhadap gateway Wildan, dkk.
Arsitektur Mesh 6G-IoTA 395 divariasikan dari 100 m hingga 1000 m.
IRS
ditempatkan pada lokasi non-line-of-sight (NLoS) untuk memantulkan sinyal menuju node Parameter kinerja yang dievaluasi Signal-to-Interference-plus-Noise Ratio (SINR), throughput, dan energi per paket.
mengacu pada skenario realistis area rural dan NLoS.
Hasil simulasi menunjukkan tren performa yang konsisten dengan temuan IRS pada literatur 6G terkini, sehingga mengindikasikan validitas pendekatan yang 3 Peningkatan SINR Hasil Simulasi SINR Dibandingkan dengan skema mesh-only, integrasi IRS menunjukkan:
Peningkatan SINR rata-rata pengguna di area bayangan sinyal sekitar 30Ae35%.
Penurunan probabilitas outage (SINR < threshol.
hingga sekitar 25%.
Gambar 1.
Rata-rata SINR terhadap jarak dari Sebagaimana ditunjukkan pada Gambar 1, integrasi IRS secara signifikan meningkatkan ketahanan SINR terhadap degradasi jarak.
Pada jarak 1000 m, arsitektur mesh berbasis IRS mampu mempertahankan SINR sekitar 13 dB, sementara skema tanpa IRS turun hingga mendekati batas minimum komunikasi, yaitu 2 dB.
Hasil Simulasi Throughput.
Hal ini konsisten dengan hasil-hasil studi IRS yang menunjukkan peningkatan signifikan pada SINR dan reliabilitas di tepi cakupan ketika IRS dikonfigurasi secara tepat.
4 Peningkatan Cakupan Area Dengan menambahkan satu IRS besar pada titik strategis, cakupan area yang memenuhi kriteria SINR minimum .
isalnya untuk aplikasi IoT berkebutuhan rendahAemenenga.
meningkat sekitar 20Ae30% dibandingkan skema mesh-only.
Jika skema dibandingkan dengan IRS-only .
anpa mes.
, arsitektur mesh IRS menunjukkan performa lebih baik di area yang sangat terhalang karena mesh tetap dapat menyediakan multi-hop routing di area yang tidak dapat dijangkau langsung oleh IRS.
5 Efisiensi Energi Gambar 2.
Throughput terhadap jarak .
ps/H.
Peningkatan SINR yang dihasilkan oleh IRS peningkatan throughput.
Pada jarak 900Ae 1000 m, throughput arsitektur mesh IRS tetap berada di atas 4 bps/Hz, sedangkan skema tanpa IRS mengalami penurunan signifikan hingga di bawah 2 bps/Hz.
Analisis Efisiensi Energi Tabel 1.
Perbandingan kinerja jaringan Karena IRS bersifat pasif dan tidak memerlukan daya pancar seperti repeater aktif, strategi penambahan IRS lebih efisien energi dibandingkan penambahan small cell atau repeater.
Di sisi lain, jaringan mesh memungkinkan sebagian node berperan sebagai relay secara adaptif sehingga daya pancar dapat dioptimalkan berdasarkan jarak hop, bukan jarak langsung ke gNB.
Pendekatan seperti ini sejalan dengan tren Augreen 6G IoTAy yang menekankan efisiensi energi dan keberlanjutan.
6 Pembahasan Hasil ini menunjukkan bahwa kekuatan utama arsitektur usulan terletak pada:
IRS menurunkan konsumsi energi per paket hingga OO 23% A Lebih penambahan daya pancar atau base station baru IRS: mengurangi efek blokade besar dan meningkatkan kualitas jalur efektif.
Mesh: memberikan fleksibilitas rute dan memperluas area jangkauan hingga ke sudutsudut yang sangat sulit dijangkau.
Validasi Eksperimen Namun, beberapa tantangan yang tetap perlu dikaji lebih lanjut adalah:
Meskipun hasil penelitian ini diperoleh melalui simulasi numerik, model kanal dan parameter jaringan yang digunakan Kompleksitas optimasi gabungan routing dan fase IRS, terutama untuk skala jaringan besar.
396 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK).
Vol.
No.
April 2026, hlm.
Kebutuhan informasi jalur (CSI) yang akurat untuk konfigurasi IRS, termasuk overhead signaling di jaringan 6G-IoT.
Integrasi dengan arsitektur standar 6G yang sedang dikembangkan .
KESIMPULAN
Penelitian ini mengusulkan arsitektur mesh 6G-IoT berbasis Intelligent Reflecting Surfaces (IRS) untuk mengoptimasi sinyal di area yang sulit dijangkau.
Arsitektur tersebut memadukan kekuatan jaringan mesh sebagai perluasan cakupan multi-hop dengan kemampuan IRS dalam membentuk ulang lingkungan propagasi radio secara cerdas.
Secara konseptual, hasil simulasi menunjukkan bahwa pendekatan mesh IRS:
Meningkatkan SINR rata-rata dan menurunkan Memperluas cakupan area yang memenuhi QoS IoT.
Serta menawarkan jalur menuju solusi yang lebih hemat energi dibandingkan sekadar menambah base station.
Saran Penelitian lanjutan dapat mencakup:
Pengembangan algoritma optimasi gabungan meshAeIRS berbasis Machine Learning.
Studi multi-IRS dan penempatan IRS optimal di area geografi nyata.
Serta implementasi prototipe pada testbed 6G-IoT skala kecil di lingkungan pedesaan atau kampus.
UCAPAN TERIMAKASIH
Penulis dengan tulus mengucapkan terima kasih kepada Kampus STMIK Adhi Guna atas dukungan yang diberikan sepanjang pelaksanaan penelitian ini.
Bantuan, sumber daya, dan dorongan yang diberikan oleh institusi telah berkontribusi besar terhadap keberhasilan penyelesaian dan publikasi penelitian Penulis sangat bersyukur atas kesempatan untuk melaksanakan penelitian ini dalam lingkungan akademik yang penuh dukungan.
DAFTAR PUSTAKA