Article Per Year (5 Year)
p-Index From 2019 - 2024
8.122
P-Index
This Author published in this journals
All Journal Proceeding of the Electrical Engineering Computer Science and Informatics ILKOM Jurnal Ilmiah TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika eProceedings of Engineering
Casi Setianingsih
Universitas Telkom
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 84 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 84 Documents
Search

 4   5   6   7   8 
Penyeimbangan Sel Baterai Pada Smart House Menggunakan Metode Penyeimbangan Sel Pasif Berbasis Iot Feby Rahmasari; Randy Erfa Saputra; Casi Setianingsih
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi saat ini sudah berkembang dengan sangat pesat. Salah satu bentuk dari perkembangan teknologi saat ini adalah “Smart House”. Di dalam smart house, terdapat banyak sekali teknologi yang dapat membantu mempermudah pekerjaan kita di rumah. Sistem pada smart house diciptakan untuk memberikan kenyamanan penghuni untuk menggunakan peralatan rumah. Pada umumnya smart house menggunakan battery pack sebagai sumber daya pada setiap peralatan rumah tangga. Dikarenakan penggunaan sumber daya yang besar, kita perlu mengetahui kondisi baterai yang kita gunakan pada peralatan rumah tangga untuk menghindari terjadinya hal – hal yang tidak diharapkan. Seperti kerusakan pada baterai yang kita gunakan atau bahkan ledakan baterai yang kemungkinan bisa terjadi.Untuk mempermudah dalam pemeliharaan baterai dibutuhkan sistem yang dapat memanajemen baterai atau yang biasa dikenal dengan istilah Battery Management System (BMS). Pada sistem ini akan dikembangkan penelitian untuk penyeimbangan sel baterai menggunakan skema sel pasif dan menggunakan metode Resistor Shunt. Pengujian pada system dilakukan menggunakan 4 buah cell baterai, menggunakan variasi waktu tertentu, yang keluarannya berupa nilai State of Charge (SoC) yang sama. Hasil pengujian menunjukkan bahwa performa BMS untuk monitoring menggunakan IoT memiliki throughput sebesar 98%, dengan rata-rata waktu pengujian 4 jam 14 menit. Kata kunci : Battery Pack, Battery Management System, Resistor Shunt, Smart House.
Tes Psikologi Edwards Personal Preference Schedule Berbasis Komputer Untuk Menganalisa Kepribadian Dengan Algoritma Fuzzy Attallah Arelian Naufhal; Casi Setianingsih; Fussy Mentari Dirgantara
eProceedings of Engineering Vol 9, No 3 (2022): Juni 2022
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Pada bidang ilmu Psikologi, tes psikologi merupakan satu dari sekian banyak metode alat ukur kepribadian, dan merekomendasikan posisi pekerjaan sesuai dengan kepribadian. Pada kenyataannya, tes psikologi sebagian besar masih menggunakan aturan dan metode lama dalam prosesnya. Hal ini dirasa kurang efisien dalam prosesnya. Dalam penelitian ini penulis merancang suatu sistem klasifikasi yang dapat membantu untuk mengetahui tipe kepribadian seseorang dan posisi pekerjaan sesuai dengan kepribadiannya. Tes psikologi kepribadian yang digunakan adalah Edwards Personal Preference Schedule (EPPS). Dalam penggunaan pembelajaran mesin dengan metode fuzzy Tsukamoto yang akan membantu untuk mengklasifikasi rekomendasi posisi pekerjaan yang cocok. Pembuatan sistem klasifikasi ini akan menampilkan informasi mengenai tes psikologi EPPS, soal tes psikologi EPPS, dan hasil tes dari user yang telah selesai mengerjakan tes tersebut. Sistem tes psikologi EPPS menggunakan algoritma Fuzzy Tsukamoto memiliki tingkat akurasi dengan nilai persentase sebesar 100% dan akurasi dari psikolog nilai persentase sebesar 87%. Maka dapat disimpulkan bahwa sistem tes psikologi EPPS dapat memenuhi tujuan yang diinginkan, yaitumengetahui kepribadian seorang individu dan posisi pekerjaan yang cocok sesuai dengan kepribadian. Kata Kunci: Tes Psikologi EPPS, Fuzzy Tsukamoto, Posisi Pekerjaan, Tipe Kepribadian.
Sistem Pengenal Anggota Keluarga Menggunakan Algoritma Dlib Dyka Khairullah Zamhari; Casi Setianingsih; Tito Waluyo Purboyo
eProceedings of Engineering Vol 10, No 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Sering terjadi beberapa kasus yang dimana lansia itu mudah lupa akan sesuatu, misalnya melupakan orang yang merupakan keluarganya. Hal tersebut dapat di atasi dengan aplikasi Face Recognition. Face Recognition merupakan teknologi dari machine learning yang mampu mengidentifikasikan atau mengenali wajah seseorang. Pada tugas akhir ini menawarkan aplikasi sistem pengenal anggota keluarga yang dimana dapat membantu lansia untuk mengingat anggota keluarganya hanya dengan mengarahkan kamera External ke wajah orang yang ingin dikenali, selanjutnya sistem akan melakukan proses pengenalan pada wajah dan akan menampilkan output di layer beserta notifikasi ke telegram. Dalam studi ini, didapatkan bahwa sistem dapat mendeteksi maksimal sebanyak 4 wajah pada 1 frame. Mampu melakukan pengenalan dengan jarak maksimal 1.8 meter dari kamera. Mendapatkan akurasi pendeteksian sebesar 100% pada angle wajah yang menghadap ke kamera. Sistem juga mampu melakukan pengenalan dengan wajah yang menggunakan kacamata dan penutup kepala, dengan akurasi sebesar 100%. Dan sistem mampu melakukan pengenalan jika nilai lux cahaya lebih besar dari pada 0.  Diharapkan aplikasi ini dapat membantu lansia untuk mengingat semua anggota keluarganya. Kata Kunci— face recognition, machine learning, lansia.
Klasterisasi Pada Data Penggunaan Listrik Di Gedung Telkom University Menggunakan Algoritma Density-Based Spatial Clustering Of Application With Noise (DBSCAN) Reza Mahendra; Fairuz Azmi; Casi Setianingsih
eProceedings of Engineering Vol 8, No 6 (2021): Desember 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Proses pengubahan energi listrik tentunya membutuhkan biaya yang sesuai dengan jumlah pemakaiannya terutama pada tempat-tempat yang membutuhkan energi listrik dalam jumlah besar. Dengan jumlah konsumsi listrik yang besar, biaya yang dikeluarkan juga akan besar. Namun karena sulitnya memonitoring pemakaian listrik secara manual, ditambah tagihan listrik yang tidak menampilkan detail pemakaiannya, maka dengan menggunakan metode clustering dan menganalisa jumlah pemakaian listrik akan memudahkan dalam monitoring pemakaian listrik sehingga dapat dikelola dengan baik. Hasil dari penelitian ini menggunakan algoritma DBSCAN menghasilkan nilai Silhouette Coefficient untuk data pengujian per bulan menggunakan data real dan data perangkat virtual sebesar 1,0, data pengujian per hari sebesar 1,0 untuk data nyata dan 0,86 untuk data perangkat virtual dan data pengujian per gedung 0,86. Kata kunci : Penggunaan Listrik, Monitoring, DBSCAN, Clustering
Deteksi Hate Speech Pada Twitter Menggunakan Algoritma BERT Adine Nayla; Casi Setianingsih; Burhanuddin Dirgantoro
eProceedings of Engineering Vol 10, No 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Hate speech atau ujaran kebencian pada salah satu platform sosial media yaitu Twitter sudah tidak jarang ditemukan. Pada platform Twitter, pengguna bebas mendapatkan, bertukar informasi, serta mengungkapkan opini. Hal ini merupakan salah satu faktor utama seseorang dapat terkena ujaran kebencian pada Twitter. Korban yang terkena ujaran kebencian memiliki kemungkinan menderita gangguan kesehatan mental, dikarenakan sebagian besar korban ujaran kebencian diserang secara verbal atapun emosional. Minimnya penanggulangan deteksi ujaran kebencian pada platform sosial media Twitter masih jarang ditemukan. Pada penelitian ini, dilakukan proses simulasi menggunakan website beserta dengan pengujian dan analisis terhadap pendeteksian ujaran kebencian. Pengujian dilakukan dengan cara pengguna akan melakukan input kalimat pada website hate speech, lalu website akan melakukan preprocessing dan menganalisa kalimat tersebut menggunakan Algoritma BERT untuk mengklasifikasikan apakah kalimat tersebut termasuk hate speech atau tidak. Dari hasil pengujian diperoleh bahwa pendeteksian hate speech pada akun pengguna Twitter menggunakan Algoritma BERT mendapatkan akurasi sebesar 78.69%, presisi sebesar 78.90%, recall sebesar 78.69%, dan F1 score sebesar 78.77% terhadap pengklasifikasian golongan hate speech. Dengan demikian pengguna akan lebih mudah mendeteksi hate speech pada Twitter dengan menggunakan website hate speech. Keywords-- algoritma BERT, aplikasi web, hate speech, twitter.
Deteksi Pelanggaran Parkir Pada Bahu Jalan Tol Dengan Intelligent Transportation System Menggunakan Algoritma Yolo Maulana Heardy Yusfian; Casi Setianingsih; Ratna Astuti
eProceedings of Engineering Vol 9, No 3 (2022): Juni 2022
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Jalan Tol merupakan Jalan bebas hambatan dan salah satu sarana yang banyak digunakan oleh masyarakat umum untuk mempersingkat waktu dalam bepergian. Sebagai jalan bebas hambatan, jalan tol mempunyai bahu jalan yang dapat digunakan untuk kepentingan khusus seperti Ambulance, Pemadam Kebakaran, atau keadaan darurat lainnya. Seringkali bahu jalan disalah gunakan untuk kepentingan yang tidak mendesak dan tidak darurat sehingga dapat merugikan pengguna jalan tol lainnya. Hal ini disebabkan kurangnya pengawasan dari petugas jalan Tol.mengatasi permasalahan tersebut. Sistem ini memiliki komponen utama, yaitu: algoritma YOLOV4 deteksi objek kendaraan. Kemudian kamera yang disebar di area sekitar bahu jalan tol agar dapat merekam pergerakan kendaraan. Hasil rekam data tersebut dapat diolah menjadi informasi yang akan di kirim ke petugas tol terdekat melalui Telegram Bot. Hasil yang didapatkan melalui tugas akhir ini adalah sistem yang akan mendeteksi pelanggaran pada bahu jalan tol menggunakan model dengan rasio 90%:10%, learning rate 0.06, dan max batch64, dengan nilai mAP mencapai 97,96% yang didapatkan melalui perhitungan confusion matrix. Nilai akurasi yang didapatkan melalui pengujian dengan algoritma YOLOV4 (You Only Look Once) pada kasus ini adalah 80%. Kata Kumci: Deep Learning,Deteksi Kendaraan, Telegram Bot, YOLOV4
Deteksi Emosi Berbasis Teks Untuk Menganalisis Kuliah Daring Selama Masa Pandemi Menggunakan Algoritme K-nearest Neighbors Mohammad Naufal Nabil Abdillah; Casi Setianingsih; Fussy Mentari Dirgantara
eProceedings of Engineering Vol 9, No 4 (2022): Agustus 2022
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Pada awal tahun 2020 terjadi sebuah peristiwa pandemi Covid-19, dimana instansi pendidikan memberlakukan kegiatannya secara online. Terdapat opini yang timbul di masyarakat terutama dari para mahasiswa yang mencurahkan emosinya di media sosial terutama Twitter. Penelitian ini bertujuan untuk mengetahui bagaimana emosi yang timbul dikalangan mahasiswa terkait dengan kuliah online. Pada Tugas Akhir ini digunakan algoritma K-Nearest Neighbor sebagai metode klasifikasi teks berbahasa Indonesia. Berdasarkan penelitian yang dilakukan oleh Shaver, terdapat lima kategori emosi dasar bahasa Indonesia yaitu marah, senang, sedih, takut, dan cinta. Pembagian data dibagi menjadi data tiga label emosi marah, senang, dan cinta, dan 4 label emosi marah, senang, takut, cinta. Data yang digunakan diambil dari scraping data twitter dan data Github. Pada Tugas Akhir ini, telah dilakukan pengujian menggunakan metode Confusion Matrix untuk mengetahui seberapa baik model yang telah dibuat pada sistem deteksi emosi berbasis teks. Hasil penelitian pada tugas akhir ini menunjukan bahwa sistem pendeteksi emosi berbasis teks dapat berjalan dengan baik dengan mendapatkan akurasi 78.91% pada data tiga label emosi pada partisi data 0.1, akurasi 69.74% pada data empat label emosi pada partisi data 0.2, dan akurasi 59.12% pada data lima label emosi pada partisi data 0.1. Kata kunci-emosi, k-nearest neighbor, text processing.
Sistem Informasi Monitoring Bencana Alam Dari Data Media Sosial Menggunakan Metode K-nearest Neighbor Kevin Manfield Anderson Pasaribu; Randy Erfa Saputra; Casie Setianingsih
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Bencana alam adalah hal yang alami dan tidak bisa diperkirakan. Dampak bencana alam tergantung dari besar intensitasnya, yang dapat berupa tanah longsor, banjir, gempa bumi, bahkan korban jiwa sekalipun. Banyak hal yang bisa diminimalisir sebelum bencana tersebut meluas. Untuk itulah pentingnya informasi akan terjadinya bencana. Sosial media adalah tempat yang dapat menghubungkan satu informasi ke informasi yang lain, sehingga dapat tersebar luas. Perkembangan media sosial saat ini sangatlah cepat terlebih dengan adanya berita yang berkaitan dengan bencana di sekitar. Salah satu media sosial yang sekarang sangat banyak digunakan adalah Twitter. Dengan menggunakan Twitter, masyarakat dapat dengan cepat memberi penyebaran informasi bencana melalui tweet agar dampak penanggulangan dapat dipercepat. Maka dari itu, inilah pentingnya untuk mengetahui informasi secara real-time tentang jumlah kejadian bencana alam agar antisipasi dapat dilakukan sejak dini. Maka dari penjelasan yang disebutkan diatas dibutuhkan sistem yang dapat memilah dengan sendiri data bencana alam pada Tweet. Hasil pengujian dibuat untuk menampilkan mapping bencana yang terjadi di wilayah Indonesia yang diklasifikasikan berdasarkan area yang memiliki data tweet dalam bentuk visualisasi peta wilayah bencana mana yang lebih tinggi frekuensi serta jenis bencananya. Klasifikasi wilayah dilakukan menggunakan metode algoritma K-Nearest Neighbor. Dalam penelitian ini hasil nilai uji Confusion matrix memiliki akurasi yang terbaik dengan menggunakan metric Jaccard sebesar 86% dan untuk performansi data sharing menggunakan k-fold cross validation 10 Fold, hasil akurasi terbaiknya adalah metric Jaccard yaitu sebesar 83% pada Fold 8. Kata Kunci: twitter, bencana alam, klasifikasi, confusion matrix, k-fold cross validation
Perancangan Dan Implementasi Tes Psikologi Rothwell Miller Interest Blank Berbasis Komputer Dengan Metode Random Forest Sigit Yudha Juwantoro; Roswan Latuconsina; Casi Setianingsih
eProceedings of Engineering Vol 8, No 2 (2021): April 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Banyak anak masih belum mengetahui minat dan bakat yang ada pada dirinya, oleh karena itu ketika menginjak bangku perkuliahan banyak anak yang merasa bahwa dirinya mengambil jurusan yang salah. Bahkan tidak jarang juga orang merasa bahwa dirinya tidak cocok bekerja pada bidang yang sedang dijalaninya. Salah satu metode untuk mengukur minat sekaligus untuk merekomendasikan tentang jurusan atau karir sesuai dengan kemampuan nya adalah dengan mengikuti tes psikologi minat dan bakat. Penelitian ini membahas tentang perancangan dan implementasi tes psikologi Rothwell Miller Interest Blank (RMIB) untuk mengetahui minat seseorang berdasarkan pilihan pekerjaan yang diminatinya, menggunakan aplikasi berbasis komputer dengan pemrograman berbasis web dan menggunakan metode Random forest. Tes ini mengukur minat seseorang berdasarkan ranking terhadap pekerjaan yang diminati nya. Penelitian ini di fokuskan kepada mahasiswa, untuk menentukan jenjang karir selanjutnya. Dengan tes ini diharapkan mahasiswa tidak salah dalam menentukan jenjang karir yang akan di jalani kedepannya. Keluaran dari aplikasi ini 90% pengguna mendapatkan hasil yang cocok berdasarkan hasil scoring dengan profesi yang diminatinya. Berdasarkan pengujian yang sudah dilakukan, aplikasi ini mendapatkan 100% dari total 6 pengujian alpha dan 81,125% dari pengujian usability. Tes psikologi RMIB berbasis komputer ini sudah di viladasi oleh psikolog dan dapat berjalan sesuai dengan tes psikologi RMIB berbasis kertas. Kata kunci: Tes Psikologi, Rothwell Miller Interest Blank, Web, Random forest Abstract Many children still do not know the interests and talents that exist in them, therefore when they enter college many children feel that they are taking the wrong major. In fact, it is not uncommon for people to feel that they are not suitable to work in the field they are doing. One method to measure interest as well as to recommend a major or career in accordance with their abilities is to take a psychological test of interest and talent. This study discusses the design and implementation of the Rothwell Miller Interest Blank (RMIB) psychological test to determine a person's interest based on the choice of the job he is interested in, using computer-based applications with web-based programming and using the Random Forest method. This test measures a person's interest based on the ranking of the job that interests him. This research is focused on students, to determine the next career path. With this test, it is hoped that students will not be wrong in determining the career path that will be taken in the future. The output of this application is 90% of users get suitable results based on the scoring results with the profession they are interested in. Based on the tests that have been done, this application gets 100% of the total 6 alpha tests and 81.125% from usability tests. This computer-based RMIB psychological test has been tested by a psychologist and can run according to the paper-based RMIB psychological test. Keywords: Psychological Test, Rothwell Miller Interest Blank, Web, Random Forest
Real Time Cctv Deteksi Manusia Dengan Sistem Virtual Line Hamdi Aziz Al-Mujadidi; Sony Sumaryo; Casi Setianingsih
eProceedings of Engineering Vol 6, No 3 (2019): Desember 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Real Time CCTV Deteksi Manusia Dengan Sistem Virtual Line adalah sistem pengawas suatu tempat yang dapat mendeteksi manusia saat melintasi garis virtual tersebut. Metode ini dapat digunakan untuk keamanan suatu tempat, bisnis, dan lainnya. Ketika adanya kejahatan di suatu tempat CCTV pada umumnya hanya dapat merekam kejadian tersebut untuk bukti. Maka dibutuhkan CCTV yang mampu mendeteksi manusia saat akan melakukan kejahatan dan CCTV ini dapat melakukan pekerjaan tersebut. Pengolahan citra mampu memberikan pengenalan terhadap objek diruang lingkup CCTV tersebut, sistem garis virtual yang diterapkan pada kamera CCTV dan metode Haar Cascade untuk mendeteksi manusia saat melintasi garis virtual secara Real Time. Sistem ini dapat mendeteksi manusia saat melintasi garis virtual tersebut. Abstract Real Time CCTV Smart Virtual Line the Supervisor System is where you can locate moving objects and people. This method can be used for security, location, work and more. When There is a crime somewhere in the CCTV in general only the incident can be recorded for evidence. Then the CCTV takes the ability to detect the moving objects that are transported by humans and it can locate the job. Image processing is able to supply an Introduction to the objects in the room of the range of the CCTV system, the virtual line applied to CCTV camera and method Her Waterfall to Locate a Moving object Real time. This system can detect moving objects-people. Keywords: Real Time, Virtual Line, Image Processing, Haar Cascade
Co-Authors Abdi Hazman Abdulloh Salahul Haq Adi Pranesthi Adine Nayla Adita Sukma Wardani Aditya Nugraha Adlirrahaman Hasfi Aji Adrian Sabagus Tanazri Afif Husaini Agung Nugroho Jati Agung Nungroho Jati Ahmad Devi Gunawan Ahmad Tri Hanuranto Al Agias Bayu Asa Alfian Imran Aloisius Gonzaga Januar Widi Aquarizky Alvaro Septra Dominggo Nauw Amanda Austin Herlambang Andrew Brian Osmond Arif Aquri Saputra Arramsyah, Izzat Ashri Dinimaharawati Asmianti Asrin Attallah Arelian Naufhal Bagas Prakoso Putra Bangkit Surya Praja Budhi Irawan Burhanuddin Dirgantoro Chianyung Chianyung Cornelius Situmorang Dyka Khairullah Zamhari Elka Distria Fairuz Azmi Farradita Imanda Fauzan Andaru Kurniadi Fauzul Haqi Siregar Feby Rahmasari Figo Plambudi Dwigantara Firdi Setiawan Fussy Mentari Dirgantara Garry Abel Diaraja H Gayuh Erlanggono G Grace Cyndiana Hamdi Aziz Al-Mujadidi Hanna Diwanti Haq, Abdulloh Salahul Hikmah Nisya Ilham Arisyandy Irfan Dhiya Abirawa Irghiansyah Izzul Haque Izzat Arramsyah Izzat Arramsyah Jannata Arianda Ja’far Razzaq Jhosua Parningotan Sianipar Kevin Manfield Anderson Pasaribu Kusprasapta Mutijarsa Linda Kartika M Agung Baskoro M. Indra Halim Arsya Dwi Akbari Maftukhah Carolin Noviardini Marisa W Paryasto Marisa W. Paryasto Martarheza Marthiyas Maulana Heardy Yusfian Megatari Wahyuningrum Handani Meta Kalista Meta Kallista Mohammad Ibrahim Al Mahi Mohammad Naufal Nabil Abdillah Muhamad Ramadhan Muhamad Rizky Arief Wicaksono Muhammad Akmal Fauzi Muhammad Ary Murti Muhammad Fathurrohim Nur Muhammad Iqbal G Putra Muhammad Izzah Aeman Muhammad Mufti Ramadhan Muhammad Nasrun Muhammad Reza Aji Pangestu Muhhammad Ary Murti Naufal Ramadhan Natafili Jangkaru Novianty, Astri Prabu Arie Pradana Pranesthi, Adi Pratama, Rizki Mulia Purba Daru Kusuma R. Rumani M Rumani M Raisha Citra Chairani Randy Efra Saputra Randy Erfa Saputra Ratna Astuti Renaldy Eka Putra Reyhan Adiptya Reza Mahendra Rizka Rona Putri Rizka Shinta Wulandari Rizki Mulia Pratama Rizky Iskandar Rizky Naufal Perdana Roswan Latuconsina Rumani Rumani Runi Siti N Septian Putra Manuel Simangunsong Sigit Yudha Juwantoro Sony Sumaryo Suryo Adhi Wibowo Tia Dianti Hajizah Tinton Aji Sadewo Tito Waluyo Purboyo Valerian Ezra Vyanza Wendi Harjupa Yudha Purwanto Yudhi Septian Rahman Ziqra Haniffah Ziza Amira Syafini