Vol. 2 No. 1 Desember 2017 E-ISSN: DAFTAR ISI. HALAMAN JUDUL... i DAFTAR ISI... ii KATA PENGANTAR DAN TIM REDAKSI... iii

Please download to get full document.

View again

of 116
19 views
PDF
All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
Document Description
Vol. 2 No. 1 Desember 2017 E-ISSN: DAFTAR ISI HALAMAN HALAMAN JUDUL... i DAFTAR ISI... ii KATA PENGANTAR DAN TIM REDAKSI... iii Spatial Metric Untuk Analisa Perkembangan Lahan Urban di Bekasi
Document Share
Document Transcript
Vol. 2 No. 1 Desember 2017 E-ISSN: DAFTAR ISI HALAMAN HALAMAN JUDUL... i DAFTAR ISI... ii KATA PENGANTAR DAN TIM REDAKSI... iii Spatial Metric Untuk Analisa Perkembangan Lahan Urban di Bekasi Seta Samsiana, Herlawati, Anita Setyowati Srie Gunarti, Rahmadya Trias Handayanto Performa Kecepatan Akses Internet Dengan Squid Proxy Server Pada Ubuntu Server Fata Nidaul Khasanah Data Mining Untuk Sistem Pengambilan Keputusan Menentukan Kenaikan Kelas Berbasis Web Eni Irfiani, Fintri Indriyani Sistem Pendukung Keputusan Menggunakan Metode Profile Matching Dalam Pemilihan Salesman Terbaik Entin Sutinah Sistem Autentikasi Hotspot Menggunakan Radius Server Mikrotik Router Herman Kuswanto Identifikasi Mutu Telur Ayam Berdasarkan Kebersihan Kerabang Menggunakan Jaringan Syaraf Tiruan Maimunah, Retno Nugroho Whidhiasih Virtual Private Network Tunneling Dengan Protokol IP in IP Melalui Jaringan Internet Felix Wuryo Handono, Sumarna, Hafis Nurdin Pemanfaatan Sistem Inferensi Fuzzy Dalam Menentukan Perpanjangan Kontrak Kerja Santoso Setiawan Seleksi Calon Koordinator Marketing Provinsi dengan Metode Multifactor Evaluation Process Hani Bastiawati, Didik Setiyadi Pembelajaran Pemrograman Berorientasi Objek (Object Oriented Programming) Berbasis Project Based Learning Endang Retnoningsih, Jafar Shadiq, Dony Oscar INDEKS PENULIS PEDOMAN PENULISAN JURNAL Vol. 2 No. 1 Desember 2017 E-ISSN: PENGANTAR REDAKSI INFORMATICS FOR EDUCATORS AND PROFESSIONALS merupakan jurnal ilmiah yang diterbitkan oleh Program Studi Teknik Informatika STMIK BINA INSANI. Jurnal ini berisi tentang karya ilmiah hasil penelitian yang bertemakan: Networking, Security, Aplikasi Sains, Animasi Interaktif, Pengolahan Citra, Sistem Pakar, Sistem Komputer, Soft Computing, Web Programming, Data Mining, Multimedia Application dan Sistem Penunjang Keputusan. INFORMATICS FOR EDUCATORS AND PROFESSIONALS berisi pokok-pokok permasalahan baik dalam pengembangan kerangka teoritis, implementasi maupun kemungkinan pengembangan sistem secara keseluruhan. Diharapkan setiap naskah yang diterbitkan di dalam jurnal ini memberikan kontribusi yang nyata bagi peningkatan sumber daya penelitian di dalam bidang informatika dan komputer. Tim redaksi membuka komunikasi lebih lanjut baik kritik, saran dan pembahasan. TIM REDAKSI Ketua P2M Bina Insani Indra Muis, S.S, M.M. Journal Manager Herlawati, S.Si, MM, M.Kom Editor Fata Nidaul Khasanah, S.Kom, M.Eng Section Editor Uus Rusmawan, S.Pd, M.Kom Copy Editor Petrus Dwi Ananto P, S.Kom, MMSI Layout Editor Henri Septanto, M.Kom Proofreader Didik Setiyadi, M.Kom Alamat Penyunting dan Tata Usaha Sekretariat Journal of Informatics Jl. Siliwangi No 6 Rawa Panjang Bekasi Timur Indonesia. Telp. (021) / (021) Fax. (021) Semoga Journal of Informatics dapat bermanfaat bagi kita semua. Pertama Terbit: Desember 2016 Frekuensi Terbit: 2 kali setahun Penerbit Penelitian dan Pengabdian Masyarakat STMIK Bina Insani INFORMATICS FOR EDUCATORS AND PROFESSIONALS merupakan media komunikasi ilmiah diterbitkan dua kali setahun (Juni dan Desember) oleh Program Studi Teknik Informatika STMIK Bina Insani. Berisikan hasil penelitian ilmiah yang berkaitan dengan bidang informatika dan INFORMATICS FOR EDUCATORS AND PROFESSIONALS, Vol. 2, No. 1 Desember 2017, 1-10 E-ISSN: Spatial Metric Untuk Analisa Perkembangan Lahan Urban di Bekasi Seta Samsiana 1, *, Herlawati 2, Anita Setyowati Srie Gunarti 3, Rahmadya Trias Handayanto 4 1 Teknik Elektronika; Universitas Islam 45 Bekasi; Jl. Cut Meutia No. 83 Bekasi Timur Indonesia Telp. (021 Telp: (021) Fax: (021) ; 2 Sistem Informasi; STMIK Bina Insani; Jl. Siliwangi No.6 Rawa Panjang Bekasi Bekasi Timur Indonesia, Telp. (021) / (021) Fax. (021) ; 3 Teknik Sipil; Universitas Islam 45 Bekasi; Jl. Cut Meutia No. 83 Bekasi Timur Indonesia Telp. (021 Telp: (021) Fax: (021) ; 4 Teknik Komputer; Universitas Islam 45 Bekasi; Jl. Cut Meutia No. 83 Bekasi Timur Indonesia Telp. (021 Telp: (021) Fax: (021) ; * Korespondensi: Diterima: 2 Oktober 2017; Review: 9 Oktober 2017; Disetujui: 17 Oktober 2017 Cara Sitasi: Samsiana S, Herlawati, Gunarti ASS, Handayanto RT Spatial Metric Untuk Analisa Perkembangan Lahan Urban di Bekasi. Informatics For Educators And Professionals. 2 (1): Abstrak: Perkembangan lahan biasanya dianalisa dengan mengklasifikasi tipe lahan dari citra satelit. Hasil klasifikasi memperlihatkan secara visual tipe-tipe lahan yang ada di suatu wilayah. Untuk menganalisanya diperlukan keahlian khusus berdasarkan pengalaman pihak yang membaca peta hasil klasifikasi tersebut. Karena keterbatasan seseorang, seperti buta warna dan batasan-batasan otak manusia dalam menginterpretasikan suatu peta lahan yang luas menjadi kendala dalam menganalisa hasil klasifikasi citra satelit. Selama ini statistik dianggap mampu mewakili deskripsi suatu data tanpa adanya pengaruh subyektivitas pihak yang menganalisa. Sayangnya variabel statistik yang dikenal saat ini seperti rata-rata, standar deviasi, frekuensi, dan lain-lain hanya cocok diperuntukan untuk data non-spasial. Sementara itu data spasial yang memiliki karakter lokasi selain dari atribut membutuhkan juga variabel statistik khusus. Saat ini variabel statistik berbsis lansekap sedang dikembangkan, seperti Patch Density, Euclidean Nearest-Neighborhood, Landscape Shape Index, dan Percentage of Like-Adjacency. Keempat variabel statistik untuk data spasial yang dikenal dengan istilah Spatial Metric itu akan diimplementasikan untuk wilayah JABODETABEK dan Bekasi, dengan menggunakan aplikasi FRAGSTATS. Aplikasi ini membutuhkan citra satelit yang dapat diunduh secara bebas dari situs United States Geological Survey. Kata Kunci: Spatial Metric; Perkembangn Lahan Urban; Fragstats; Patch Density; Landscape Shape Index; Eucledean Nearest-Neighborhood; Percentage of Like-Adjacency; Post Suburbanization Abstract: Land use growth have been analyzed through land use classification from satellite imageries. The classification result shows the land use type in a region. For analyzing the result, a special skill and experience are needed. However, not all people have the ability to visually analyzing the classification result, such as color blindness as well as the limit of our brain to analyze the wide area. So far, the use of statistics seem can solve this problem to describe objectively the characteristic of non-spatial data. The statistics for spatial data and landscape are emerged to be studied, such as Patch Density, Euclidean Nearest-Neighborhood, Landscape Shape Index, and Percentage of Like-Adjacency. These four spatial-based statistic are known as the Spatial Metric and will be implemented to analysis Jakarta Metropolitan Area (JABODETABEK), and Bekasi in particular, using FRAGSTATS software. This vertical application need satellite imageries than can be freely accessed from United States Geological Survey s site. P2M STMIK BINA INSANI 2 E-ISSN: ; 1 10 Keywords: Spatial Metric; Urban Growth; Fragstats; Patch Density; Landscape Shape Index; Eucledean Nearest-Neighborhood; Percentage of Like-Adjacency; Post Suburbanization 1. Pendahuluan Dalam menganalisa pertumbuhan suatu wilayah, saat ini banyak yang menyarankan untuk menggunakan pendekatan lebih dari satu skala (multiscale). Pendekatan ini memperhatikan perkembangan wilayah di region sekitarnya ketika menganalisa suatu region (Bhatti, Tripathi, Nitivattananon, Rana, & Mozumder, 2015). Apalagi saat ini JABODETABEK mengalami fenomena post-suburbanization yaitu suatu fenomena yang bercirikan kian penting dan kian pesatnya perkembangan kota penyangga (Bogor, Tangerang, Depok, dan Bekasi) dibanding kota Jakarta sebagai pusat kota (Firman, 2004). Untuk menganalisa pertumbuhan wilayah Bekasi sangat dianjurkan menganalisa juga wilayah-wilayah di sekitarnya (JABODETABEK). Banyak metode-metode yang digunakan untuk menganalisa pertumbuhan wilayah, salah satu yang terkenal adalah dengan bantuan teknologi penginderaan jarak jauh (PJJ) dan sistem informasi geografis (SIG) (Bhatta, 2012). Metode lain yang tidak kalah pentingnya adalah dengan menganalisa variabel-variabel statistik data spasial suatu wilayah yang dikenal dengan nama spatial metric (Pham & Yamaguchi, 2011; Shi, Sun, Zhu, Li, & Mei, 2012). Spatial Metrics yang akan dihitung adalah spatial metrics untuk JABODETABEK dan area Bekasi (kota dan kabupaten). Jika JABODETABEK memerlukan spatial metrics untuk membantu memodelkan perkembangan lahan ke depan, Bekasi membutuhkan pula spatial metrics untuk membantu perencana kota dalam manajemen lahan, terutama dalam rangka optimasi lahan. Tulisan ini membahas langkah-langkah dan metode yang digunakan untuk menghitung spatial metrics di kota Bekasi dan membandingkan hasilnya dengan spatial metrics untuk wilayah JABODETABEK yang telah dihitung pada penelitian sebelumnya (Herlawati & Handayanto, 2017). Hasil perbandingannya dapat dijadikan rujukan untuk mengetahui pengaruh faktor luas area (skala) dalam menghasilkan spatial metrics. Untuk menganalisa wilayah urban dan perkotaan, tidaklah lengkap tanpa menyertakan faktor-faktor sosial ekonomi (Gustafson, 1998). Namun demikian, analisa terhadap aspek spatial dan temporal yang dilakukan dalam penelitian ini dapat juga dijadikan sumber informasi penting dalam menganalisa suatu wilayah urban dan membantu para perencana kota, terutama dari sisi optimasi seperti pada penelitian sebelumnya (Rahmadya Trias Handayanto, Hirunpongchai, Teng, Saengmanee, & Khangkhun, 2015; Rahmadya Trias Handayanto, Srie Gunarti, Samsiana, & Herlawati, 2015; R T Handayanto, Tripathi, Kim, & Guha, 2017). 2. Metode Penelitian 2.1. Data dan Area Penelitian Data yang digunakan pada penelitian ini berasal dari citra satelit yang ditangkap oleh satelit Landsat dengan beragam jangkauan (band) frekuensi. Citra satelit yang diunduh dari situs United States Geological Survey (USGS) tersebut harus dipotong (clipping) terlebih dahulu mengikuti studi area (JABODETABEK dan Bekasi). Untuk melakukan proses pemotongan diperlukan peta wilayah kota dan kabupaten Bekasi (gambar 1) yang diperoleh dari Badan Informasi Geospasial (BIG) Indonesia. Seta Samsiana II Spatial Metric Untuk INFORMATICS FOR EDUCATORS AND PROFESSIONALS E-ISSN: ; Sumber: Biro Informasi Geospasial (2017) Gambar 1. Area Penelitian (Bekasi dan JABODETABEK) 2.2. Metodologi Spatial Metrics Dalam menganalisa pertumbuhan lahan, peran geografi ilmu yang membahas masalah lokasi, jarak, arah, orientasi, koneksi, dan pola sangat dibutuhkan. Sementara itu dalam bidang perencanaan kota dan arsitektur dikenal istilah landscape metrics yang didasarkan analisanya ketika membahas lanskap alam (natural landscape). Dasar perumusannya diambil dari teori informasi dan geometri fraktal (fractal geometry) (Gustafson, 1998; Herold, Couclelis, & Clarke, 2005). Spatial metrics yang dipilih mengikuti riset sebelumnya (Herlawati & Handayanto, 2017), antara lain: Patch Density (PD), Landscape Shape Index (LSI), Euclidean Nearest-Neighbourhood (ENN), dan Percentage of Like-Adjacency (PLADJ). Keempat spatial metrics tersebut kerap digunakan dalam menganalisa perubahan lahan (landuse growth) suatu wilayah metropolitan (Pham & Yamaguchi, 2011; Sun, Wu, Lv, Yao, & Wei, 2013). Persamaan untuk PD, LSI, ENN dan PLADJ adalah sebagai berikut: (1) Variabel n i menyatakan jumlah patch tiap kelas i dalam lansekap suatu area; A merupakan luas total lansekap (dalam m 2 ); Variable e i merepresentasikan total panjang sisi tepian (edge) tiap kelas i; Nilai min e i adalah total panjang minimum tepian kelas i; Variabel h ij menyatakan jarak patch (m) yang sama; g ii adalah banyaknya kedekatan antar piksel dalam kelas yang sama; g ik jumlah kedekatan antar piksel pada kelas patch i dan k; dan m adalah jumlah piksel dari citra satelit. (2) (3) (4) Seta Samsiana II Spatial Metric Untuk 4 E-ISSN: ; 1 10 Walaupun banyak spatial metrics yang bisa dipilih, tetapi karena beberapa memiliki kesamaan dan berkolerasi, empat metrics di atas sudah cukup untuk mewakili metrics yang lainnya guna menghindari redundansi dan menyederhanakan perhitungan Pengolahan Citra Pengolahan citra diperlukan untuk merubah citra satelit menjadi citra yang siap diolah lebih lanjut. Fungsi impor pada IDRISI digunakan untuk mengkonversi citra satelit yang secara default berformat GeoTIFF menjadi standar IDRISI (*.rst). Unsupervised Classification diterapkan terhadap 7 band frekuensi dari satelit untuk menghasilkan dua kelas (urban dan non urban) Pemotongan Citra dengan ArcGIS USGS menyediakan citra-citra satelit dalam bentuk ubin (tile) yang berisi region tertentu yang berukuran cukup besar. Untuk itu diperlukan proses pemotongan sesuai dengan area yang akan dianalisa. Fungsi CLIP pada ArcMAP (ESRI, versi 10) diimplementasikan pada penelitian ini. Tampak pada gambar 2 area Bekasi (ditunjukan dalam warna merah) yang dipotong dari JABODETABEK dari citra tahun Berikutnya agar dapat diolah FRAGSTATS perlu diklasifikasikan menjadi TIFF kembali. Konversi menjadi ASCII dengan toolbox RASTER TO ASCII dilakukan untuk seluruh hasil pemotongan (tahun 1988, 1998, 2010, dan 2015). Sumber: Hasil Penelitian (2017) Gambar 2. Proses Pemotongan dengan ArcGIS Klasifikasi Ulang Klasifikasi ulang (reclassification) perlu dilakukan untuk membuat identifikasi terhadap wilayah urban dan non-urban, begitu juga untuk background yang tidak dihitung oleh FRAGSTATS. Gambar 3 memperlihatkan proses reclassify pada IDRISI setelah mengimport file ASCII dari ArcGIS. Seta Samsiana II Spatial Metric Untuk INFORMATICS FOR EDUCATORS AND PROFESSIONALS E-ISSN: ; Sumber: Hasil Penelitian (2017) Gambar 3. Proses Klasifikasi Ulang dengan IDRISI Konversi Citra ke Format Tagged Image File Format (TIFF) Langkah terakhir sebelum data diolah oleh FRAGSTATS adalah mengkonversi citra yang sudah terklasifikasi menjadi tiga kelas (background, urban, dan non-urban) yang berformat TIFF. Dengan format TIFF ini maka citra yang dihasilkan memiliki klasifikasi yang sama dengan tiga kelas dalam format IDRISI (RST). Gambar 4 memperlihatkan citra Bekasi tahun 1988 dalam format TIFF. Sumber: Hasil Penelitian (2017) Gambar 4. Citra berformat TIFF yang siap diolah Seta Samsiana II Spatial Metric Untuk 6 E-ISSN: ; Menyiapkan Berkas Pendukung untuk Perhitungan Spatial Metric dengan FRAGSTATS Berbeda dengan ArcGIS dan IDRISI yang sudah menyertakan kategori/kelas dari citra yang dipresentasikan, FRAGSTAS mengharuskan pengguna mendefinisikan citra TIFF yang akan diolah dalam suatu berkas deskriptor (descriptor) yang berekstensi *.fcd (gambar 5). Sumber: Hasil Penelitian (2017) Gambar 5. Berkas Pendeskripsi (File Descriptor) Selain berkas pendeskripsi diperlukan juga berkas kesamaan (file similarity) yang berkestensi *.fsq. Berkas ini diperlukan jika dirasa ada kesamaan antara kelas-kelasnya. Misalnya antara jalan raya dengan bangunan, kemiripannya Karena kelas-kelas yang akan dioleh (urban dan non-urban) tidak ada kesamaannya, maka diisi dengan nol (100% tidak sama) dalam format matrix seperti ditunjukan ada gambar 6 di bawah ini (tampak pada bagian akhir baris pernyataan). Sumber: Hasil Penelitian (2017) Gambar 6. Berkas Kesamaan Memasukan Citra TIFF untuk Analisa dengan FRAGSTATS Setelah membuka FRAGSTATS dan memasukkan empat citra Bekasi (tahun 1988, 1998, 2010, dan 2015), berkas pendeskripsi dan similarity dimasukan di bagian bawah (common tables). Gambar 7 memperlihatkan proses penginputan citra TIFF dan pengisian tiga parameter yaitu: patch metric, class metrics, dan landscape metrics. Untuk mempercepat proses, metric yang dimasukan disesuaikan dengan yang ingin dicari. Seta Samsiana II Spatial Metric Untuk INFORMATICS FOR EDUCATORS AND PROFESSIONALS E-ISSN: ; Sumber: Hasil Penelitian (2017) Gambar 7 Pengisian Parameter di FRAGSTATS Perlu diperhatikan pada isian mengenai treshold distance, isikan sesuai dengan jarak yang menjadi batas similarity. Menurut panduan dari situs resmi FRAGSTATS adalah sebesar 500 meter. Demikian pula untuk search radius pada isian paramater patch metrics di bagian aggregation Menjalankan Proses Perhitungan Metrics Pastikan ketika menjalankan (dengan menekan tombol segitiga hijau run) tidak ada pesan kesalahan di activity log (gambar 8). Jika berhasil dijalankan, hasilnya dapat dilihat di bagian Result yang kemudian dianalisa. Hasilnya dapat dilihat pada bab hasil dan pembahasan. Sumber: Hasil Penelitian (2017) Gambar 8. Proses Running Perhitungan Spatial Metrics pada FRAGSTATS 3. Hasil dan Pembahasan Riset sebelumnya telah menganalisa spatial metrics untuk wilayah yang lebih luas, yaitu JABODETABEK. Riset ini untuk mengetahui efek dari perubahan skala pada area metropolitan dengan kota dan kabupaten, khususnya di wilayah Bekasi. Tabel 1 memperlihatkan hasil Seta Samsiana II Spatial Metric Untuk 8 E-ISSN: ; 1 10 perhitungan spatial metrics untuk wilayah JABODETABEK dan Bekasi. Penutupan lahan (land cover) yang dianalisa dikategorikan menjadi dua kelas yaitu urban (bangunan dan jalan) dan non-urban (vegetasi, pertanian dan pengairan). Tabel 1. Hasil Perhitungan Spatial Metric (A) JABODETABEK TAHUN PD LSI ENN_MN ENN_AM PLADJ (B) BEKASI TAHUN PD LSI ENN_MN ENN_AM PLADJ Sumber: Hasil Penelitian (2017) Pada Gambar 9 memperlihatkan grafik PD, LSI, ENN, dan PLADJ pada JABODETABEK dan Bekasi. Tampak walaupun besaran masing-masing metrics berbeda tetapi kecenderungan dari tahun 1988 hingga 2015 tidak jauh berbeda. JABODETABEK cenderung lebih besar besaran spatial metrics-nya, kecuali untuk ENN dimana Bekasi lebih besar dari JABODETABEK. PD menunjukan kenaikan bertahap dengan nilai tertinggi di sekitar tahun 2000 dan kemudian turun ke posisi seperti di tahun LSI memiliki gejala yang serupa hanya saja setelah mengalami kenaikan maksimal di tahun 2010-an tidak mengalami penurunan tajam di tahun PLADJ cenderung turun dari tahun ke tahun. Untuk kota dan kabupaten Bekasi mengalami nilai minimum di sekitar tahun 2000-an sementara JABODETABEK di tahun an. Setelah mengalami penurunan, PLADJ kemudian naik sedikit di tahun Antara tahun 1990-an dan 2005-an ENN Bekasi berada di bawah JABODETABEK tetapi setelah 2005, ENN untuk Bekasi naik dan berada di atas ENN untuk JABODETABEK. Hasil perhitungan sejalan dengan riset yang telah dilakukan oleh (Sun et al., 2013) dimana rendahnya nilai PD dan LSI di tahun-tahun awal dan tingginya ENN dan PLADJ menunjukan wilayah urban yang terfragmentasi dan terpencar. Biasanya pertumbuhan sprawl dimulai pada tahun-tahun awal suatu wilayah yang berkembang. Sprawl ini menciptakan lokasilokasi urban yang baru dan pertumbuhannya dikenal dengan istilah penyimpangan (outlying). Meningkatnya pertumbuhan daerah urban menurunkan jarak antara satu patch dengan patch lainnya, sehingga menurunkan nilai ENN dan PLADJ. Pada periode ini pertumbuhan ekspansi tepi (edge expansion) kerap terjadi, terutama di dekat jalan yang baru dibangun. Pertumbuhan lain ketika ekspansi tepi dan penyimpangan menurun adalah pengisian (infilling), yaitu pertumbuhan yang mengisi ruang-ruang kosong di antara wilayah urban. Efeknya adalah makin padatnya suatu wilayah, untuk studi kasus ini di kota Bekasi dan Cikarang. Pada Gambar 10 memperlihatkan peta pertumbuhan lahan di kota Bekasi dari tahun 1988 hingga tahun Terjadi peningkatan daerah urban dari 7,98% di tahun 1988 menjadi 22,09% dan 49.75% berturut-turut di tahun 1988 dan 2010, serta 60,49% di tahun Seta Samsiana II Spatial Metric Untuk INFORMATICS FOR EDUCATORS AND PROFESSIONALS E-ISSN: ; JABODETABEK BEKASI Sumber: Hasil Penelitian (2017) Gambar 9. Spatial Metrics untuk wilayah JABODETABEK dan Bekasi Sumber: Hasil Penelitian (2017) Gambar 10. Pertumbuhan Lahan di Kota dan Kabupaten Bekasi ( ) Selain dengan spatial metrics, pertumbuhan lahan dan jenisnya dapat dilihat juga secara visual. Dengan meneliti wilayah-wilayah urban baru dapat ditentukan masuk dalam kategori pertumbuhan tertentu (penyimpangan, ekspansi tepi, atau pengisian). 4. Kesimpulan Hasil perhitungan spatial metrics untuk wilayah JABODETABEK dan Bekasi menunjukan pola yang sama untuk PD, LSI, ENN, dan PLADJ
Search Related
We Need Your Support
Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

Thanks to everyone for your continued support.

No, Thanks