Article Per Year (5 Year)
p-Index From 2019 - 2024
4.06
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi) Jurnal Edukasi dan Penelitian Informatika (JEPIN) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal Komputasi Journal of Electronics, Electromedical Engineering, and Medical Informatics Journal of Data Science and Software Engineering Jurnal Informatika Polinema (JIP)
Andi Farmadi
Universitas Lambung Mangkurat
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
Analisis Pengaruh Banyak Orde pada Metode Multivariate High-Order Fuzzy Time Series untuk Prediksi Duga Muka Air Waduk Kartini, Dwi; Rusdiani, Husna; Farmadi, Andi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 1 (2019): Volume 5 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (741.66 KB) | DOI: 10.26418/jp.v5i1.27265

Abstract

Duga Muka Air (DMA) merupakan salah satu faktor yang sangat penting bagi PLTA dalam melakukan pembangkitan listrik, sehingga DMA harus dikontrol sebaik mungkin agar tidak mengalami degradasi berlebihan. Untuk membantu mengontrol degradasi dan luapan DMA yang berlebihan, maka perlu dilakukan prediksi DMA agar dapat mempermudah pihak PLTA dalam melakukan pengontrolan tinggi DMA. Duga Muka Air PLTA dipengaruhi oleh dua buah faktor, yakni inflow dan outflow air waduk. Pada penelitian ini, dilakukan prediksi Duga Muka Air dengan menggunakan metode Multivariate High-Order Fuzzy Time Series. Penelitian ini menggunakan data harian DMA, Inflow, dan Outflow air waduk, dimana DMA menjadi faktor utama dan Inflow dan Outflow menjadi faktor pendukung. Multivariate High-Order Fuzzy Time Series merupakan salah satu pengembangan dari metode fuzzy time series yang dapat digunakan untuk melakukan peramalan dengan menggunakan data kurun waktu. Berdasarkan penelitian ini, didapatkan bahwa prediksi DMA dengan menggunakan metode Multivariate High-Order Fuzzy Time Series memiliki nilai MAPE yang rendah, dimana nilai MAPE terbaik didapat pada saat pengujian dengan menggunakan rentang waktu tiga bulan dengan nilai MAPE untuk orde 1 hingga 5 secara berturut-turut adalah 0.06169%, 0.02535%, 0.018%, 0.01598%, dan 0.01598%. Pada metode multivariate high order fuzzy time series, didapatkan bahwa faktor pendukung dan banyaknya orde dapat membantu meningkatkan keakuratan prediksi. Kata kunci— Time Series, PLTA, Duga Muka Air, Fuzzy Time Series, Multivariate High-Order Fuzzy Time Series
Signature Identification Menggunakan Metode Template Matching dan Fuzzy K-Nearest Neighbor Andi Farmadi; Ahmad Faris Asy’arie; 3Irwan Budiman; Dwi Kartini; Ahmad Rusadi Arrahimi; muliadi muliadi
Jurnal Komputasi Vol 9, No 1 (2021): Komputasi
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v9i1.2776

Abstract

Abstract — Signature is the result of the process of writing a person of a particular nature as a symbolic substance, which means a symbol or mark. Signature is usually used as an identifying mark of a person, each person must have his own signature in a different pattern. Because it's used as a person's identifying badge, Signatures now become particularly susceptible to counterfeiting and abuse that require check with a signature pattern recognition. This research has created a signature pattern recognition system using methods Template Matching and Fuzzy K-Nearest Neighbor to help recognize a person's signature pattern. The number of signatures used is 110 in two categories: the original signature with 100 data and the false signature with 10 data, and there were 10 classes taken using smartphone cameras. From this research, it was found that the best value from the image size of 200x200 pixels was 92% of the class that owned the signature legible, Positive Predictive Value (PPV) 88% and False Rejection Rate (FRR) 12%, with a k=3 on the original signature, and 90% of the class that owned the signature legible, Negative Predictive Value (NPV) 90% dan False Acceptance Rate (FAR) 10% with a k=9 on the false signature. From these results, it could be concluded that methods Template Matching and Fuzzy K-Nearest Neighbor could be used for signature pattern recognition.Keywords: Pattern, Signature, Template Matching, Fuzzy K-Nearest Neighbor
Iplementasi Fuzzy Pada Monitoring dan Kontrol Kualitas Air Tangki Pembibitan ikan Menggunakan LabView Andi Farmadi; Dwi Kartini; Muliadi Muliadi
Jurnal Komputasi Vol 9, No 2 (2021)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v9i2.2864

Abstract

Abstract — Pada kolam pembibitan ikan, pengamatan kualitas air harus terus dilakukan secara berkala karena kondisi pembibitan ikan merupakan masa rawan kematian yang diakibatkan oleh perubahan kondisi lingkungan pembibitan, parameter yang paling berpengaruh dalam kelangsungan hidup ikan yaitu kondisi keasaman air (Ph), kekeruhan air (Turbidiy), oksigen terlarut dalam air (DO) dan suhu air. Parameter tersebut harus selalu dimonitor dan dikontrol untuk mencapai kestabilan lingkungan pembibitan sesuai yang diharapkan. Telah dibuat sistem monitoring dan kontrol terhadap parameter yang berpengaruh pada pembibitan ikan menggunakan sistem fuzzy inferensi. Pengukuran parameter lingkungan dilakukan menggunakan sensor kemudian nilai parameter tersebut disesuaikan dengan nilai fuzzifikasi yang telah dibuat hingga menghasilkan nilai defuzzifikasi, output dari defuzzyfikasi akan melakukan kontrol terhadap parameter tersebut untuk mencapai nilai kestabilan lingkungan air. Pengontrolan Ph dan kekeruhan air dilakukan dengan mengganti air hingga mencapai tinggkat ph dan kejernian air yang sesuai kondisi yang diharapkan, jumlah buangan air dapat dihitung menggunakan teorema fluida. Perhitungan fuzzy dan Pengembangan antarmuka monitoring dan kontrol dibangun menggunakan program berbasis grafik LabView.
Implementasi ARAS Melalui Pendekatan Interpolasi Linier pada Penyeleksian Peserta Magang Dita Amara; Dwi Kartini; Andi Farmadi; Muliadi Muliadi; Irwan Budiman
Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi) Vol. 8, No. 2, August 2020
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JIM.2020.v08.i02.p06

Abstract

Penyeleksian peserta magang umumnya masih dilakukan secara manual, dilakukan dengan membandingkan keseluruhan data para pendaftar yang memenuhi setiap persyaratan berdasarkan urutan kepentingan persyaratan yang ditentukan oleh penyelenggara magang tersebut. Hasil keputusan pendaftar yang dinyatakan diterima didapatkan berdasarkan urutan penilaian para pendaftar dari yang tertinggi sesuai dengan kuota yang diperlukan pada setiap periodenya. Interpolasi Linier digunakan dengan melakukan penyetaraan skala nilai yang berbeda pada kriteria nilai kelulusan berdasarkan strata kelulusannya. Rank Order Centroid (ROC) digunakan untuk memberikan nilai input kriteria strata kelulusan dan bobot kriteria, yaitu bobot untuk kriteria komunikasi 0,33973, sikap 0,21473, penampilan 0,15223, kecakapan 0,11057, tinggi badan 0,07932, strata kelulusan 0,05432, nilai kelulusan 0,03348, dan usia 0,01563. Additive Ratio Assessment (ARAS) digunakan untuk mendapatkan perankingan alternatif yang dijadikan sebagai pertimbangan dalam memutuskan pendaftar diterima atau tidak. Hasil penelitian diperoleh nilai kemiripan antara hasil keputusan menggunakan metode ARAS dan hasil keputusan penyelenggara magang berdasarkan perhitungan accuracy yang didapatkan dari Confusion Matrix adalah 91,453%.
IMPLEMENTASI METODE FUZZY C-MEANS PADA SISTEM CLUSTERINGDATA VARIETAS PADI Nurjanah Nurjanah; Farmadi Andi; Fatma Indriani
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 1, No 1 (2014)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v1i1.3

Abstract

Mutations with gamma rays conducted on five local rice varieties tidal South Kalimantan produce a lot of data availability. In order for these data not only become a graveyard of useless data required a method that could be used to probe the hidden information from the data. The method known as data mining. Data mining is a technique to gain knowledge from the data by looking for certain patterns or rules of a number of large amounts of data. One method of data mining is clustering, where clustering is usually used to group objects that are similar in the same class or segment. By utilizing the data of local rice varieties tidal South Kalimantan mutated by gamma rays, data mining process is done by grouping the data based on the harvest age, productive tillers, and weight of 1000 seeds into 4 groups using fuzzy c-means algorithm. From that cluster information, carried ranking using the Simple Additive Weighting method and acquired knowledge about improved varieties by harvest age, productive tillers, and a weight of 1000 is kuatek with a dose of 30 krad. Keywords : Data Mining, Cluster, Fuzzy C-Means, Local Rice Varieties Mutasi dengan sinar gamma yang dilakukan terhadap lima varietas padi lokal pasang surut kalimantan selatan enghasilkan tersedianya banyak data. Agar data-data tersebut tidak hanya menjadi kuburan data yang tidak berguna dibutuhkan sebuah metode yang bisa digunakan untuk menggali informasi–informasi tersembunyi dari data tersebut. Metode tersebut dikenal dengan data mining. Data mining merupakan suatu teknik untuk menggali pengetahuan dari data dengan mencari pola atau aturan tertentu dari sejumlah data dalam jumlah besar. Salah satu metode data mining adalah klastering, dimana klastering biasanya digunakan untuk mengelompokan objek-objek yang memiliki kemiripan dalam kelas atau segmen yang sama. Dengan memanfaatkan data varietas padi hasil mutasi dengan sinar gamma dilakukan proses penggalian data dengan cara mengelompokkan data umur panen, anakan produktif, dan bobot 1000 menjadi 4 klaster menggunakan algoritma fuzzy c-means. Dari informasi 4 klaster tersebut, dilakukan perangkingan klaster menggunakan metode Simple Additive Weighting dan diperoleh pengetahuan tentang varietas unggul berdasarkan umur panen, anakan produktif, dan bobot 1000 yaitu kuatek dengan dosis 30 krad. Kata kunci : Data Mining, Klaster, Fuzzy C-Means, Varietas Padi Lokal
MELIHAT PENGARUH CUACA TERHADAP PENYAKIT DEMAM BERDARAH DI BANJARBARU MENGGUNAKAN FUZZY C-MEANS Muhammad Halim; Andi Farmadi; Irwan Budiman
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 2, No 2 (2015)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v2i2.25

Abstract

Dengue Fever (DB) is a disease caused by the mosquito Aedes aegypti. The spread of the disease is influenced by weather conditions and climate. Changes in air temperature affect the incubation period of mosquitoes. whereas an increase in the amount of rainfall will cause waterlogging everywhere so that broadens the spread of dengue fever. This study will look at how the Fuzzy C-Means used to classify weather data and data on cases of dengue, so the result of the grouping can be used as a base to see the effects of weather such as temperature, humidity, rainfall and rainy days against dengue fever in the area Banjarbar Keywords: Fuzzy C-Means, Climate, Weather, Dengue Penyakit Demam Berdarah (DB) merupakan penyakit yang disebabkan nyamuk Aedes Aegypti. Penyebaran penyakit ini dipengaruhi oleh keadaan cuaca dan iklim. Perubahan suhu udara mempengaruhi masa inkubasi nyamuk. sedangkan peningkatan curah hujan akan menyebabkan banyaknya terjadi genangan air dimana-mana sehingga memperluas penyebaran penyakit demam berdarah. Penelitian ini akan melihat bagaimana Fuzzy C-Means digunakan untuk mengelompokkan data cuaca dan data kasus demam berdarah, sehingga hasil dari pengelompokkan tersebut dapat dijadikan dasar untuk melihat pengaruh cuaca yaitu suhu, kelembaban, curah hujan, dan hari hujan terhadap penyakit demam berdarah di daerah Banjarbaru. Kata kunci: Fuzzy C-Means, Iklim, Cuaca, Demam Berdarah
IMPLEMENTASI METODE ALGORITMA APRIORI PADA SISTEM PENDUKUNG KEPUTUSAN ORDER BARANG Evi Nadya Prisilla; Andi Farmadi; Heru Kartika Chandra
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 1, No 1 (2014)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v1i1.6

Abstract

Abstract The rapid development of information and technology has brought a change in mindset of decision and an analysis pattern of information and technology which has become a means to assist human beings in solving both small and big problems. Hardwarestoresstilluse thetraditional way ofengineeringgoodsordersso thatthe inefficiency oftimeand reports.Data mining is a technique to gain knowledge from the data, one the methodsof data miningisassociationwhere this techniqueis usefultofindtheassociativerulealgorithmprioribetweenacombinationof items.In this research, the process of extracting data on sales transactions was occupied. The results obtained from a study using the technique of association by applying apriori algorithm were some rules, and one selected rule with the highest result of multiplying the value of support and confidence if buy B0006 then buy B0001 was 0.047; thus, the transaction of Hardware Banjarbaru Store applied the rule, that was: if you bought skirt, you would buy blouse. Keyword : Association, Apriori Algorithm, Desktop ABSTRAK Pesatnya perkembangan teknologi informasi telah membawa perubahan pola pikir keputusan dan pola analisa teknologi informasi yang saat ini menjadi sebuah sarana untuk membantu manusia dalam menyelesaikan berbagai persoalan baik yang ringan maupun berat. Toko Hardware masih menggunakan cara tradisional dalam teknik order barang sehingga kurang efisiennya waktu dan laporan yang dibuat. Data mining merupakansalahsatuteknikuntukmenggalipengetahuandari data, salahsatumetode data mining adalah asosiasi dimana teknik ini berguna untuk menemukan aturan asosiatif dengan algoritma apriori antara suatu kombinasi item. Pada penelitian ini dilakukan proses penggalian data tentang transaksi penjualan. Hasil yang diperoleh dari penelitian menggunakan teknik asosiasi dengan menggunakan algoritma apriori adalah diperolehnya beberapa rule dan dipilih salah satu rule yang memiliki nilai hasil perkalian support dan confidence tertinggi if buy B0006 then buy B0001 paling besar yaitu 0,047, maka untuk transaksi pada Toko Hardware Banjarbaru menggunakan rule tersebut, yaitu: Jika membeli Rok maka akan membeli Blus. Kata kunci: Asosiasi, Algoritma Apriori, Desktop
DEMPSTER SHAFER'S ROLE IN THE EXPERT SYSTEM IN DIAGNOSING PET SKIN DISEASES Gita Malinda; Andi Farmadi; Muliadi Aziz
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 6, No 1 (2019)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v6i1.216

Abstract

Cats are pets that are very close to humans. Infectious pet diseases can sometimes spread quickly and can be fatal, both in animals and humans. For early prevention, the pet disease must be immediately known which in this case is a cat skin disease. To find out the diagnosis of cat skin disease using the Dempster-Shafer method. So that the results obtained the strongest confidence value of cat skin disease {A1, A3, A4} which is equal to 0.48, which was obtained from three existing symptoms, namely wet dry crust, moist inner moist ear and frequent scratching.Keywords: Cats, Expert System, Dempster Shafer.Kucing merupakan hewan peliharaan yang sangat dekat dengan manusia.. Penyakit hewan peliharaan yang menular terkadang dapat menyebar secara cepat dan dapat berakibat fatal, baik pada hewan dan manusia. Untuk pencegahan dini maka penyakit hewan peliharaan tersebut harus segera diketahui yang dalam kasus ini adalah penyakit kulit kucing. Untuk mengetahui diagnose penyakit kulit kucing tersebut menggunakan metode dempster-shafer. Sehingga memproleh hasil Nilai keyakinan paling kuat terhadap penyakit kulit kucing  {A1,A3,A4} yaitu sebesar 0,48, yang didapat dari tiga gejala yang ada yaitu kerak kering basah, bagian dalam telinga basah lembab dan sering menggaruk.Kata kunci: Kucing, Sistem Pakar, Dempster Shafer.
EKSTRAKSI FITUR MENGGUNAKAN MODEL WORD2VEC PADA SENTIMENT ANALYSIS KOLOM KOMENTAR KUISIONER EVALUASI DOSEN OLEH MAHASISWA Muhammad Rusli; M. Reza Faisal; Irwan Budiman; Radityo Adi Nugroho; Andi Farmadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 7, No 1 (2020)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v7i1.296

Abstract

This research is about Sentiment Analysis using the Word2vec model. this research was conducted by Fauzi (2019). But in his research the use of the Word2vec model produces an accuracy of 70%, because the data used is small. In little data Word2vec cannot grasp the similarity of meaning well. So that related research was conducted which used lecturer evaluation comment data and also Wikipedia article data in Indonesian language as Word2vec model. In this study a comparison of average extraction features of Word2vec and Bag of Centroid base Word2vec was done and a combination of the two was then performed using the Support Vector Machine method. The application of Word2vec Average base feature extraction in the lecturer evaluation commentary data resulted in an accuracy of 84,8%. Then using the Bag of Centroid base feature extraction using Word2vec Hierarchy Clustering produces the best accuracy of 81,6% with a total of 75 features. The result of merging the two feature extractions produces an accuracy of 85,3%.Keywords: Sentiment Analysis, Word2vec, Feature extractionPenelitian ini mengenai Sentiment Analysis menggunakan model Word2vec. penelitian ini pernah dilakukan oleh  Fauzi (2019). Namun pada penelitiannya penggunaan model Word2vec menghasilkan akurasi 70%, karena data yang digunakan sedikit. Dalam data yang sedikit Word2vec tidak dapat menangkap kemiripan makna dengan baik. Sehingga dilakukan penelitian terkait yang mana menggunakan data komentar evaluasi dosen dan juga data artikel Wikipedia berbahasa Indonesia  sebagai model Word2vec. Pada penelitian ini dilakukan perbandingan ekstraksi fitur Average base Word2vec dan Bag of Centroid base Word2vec dan juga dilakukan penggabungan keduanya kemudian dilakukan klasifikasi menggunakan metode Support Vector Machine. Penerapan ekstraksi fitur Average base Word2vec pada data komentar evaluasi dosen menghasilkan akurasi sebesar 84,8%. Kemudian menggunakan ekstraksi fitur Bag of Centroid base Word2vec menggunakan Hirarki Clustering menghasilkan akurasi terbaik sebesar 81,6% dengan jumlah 75 fitur. Hasil penggabungan kedua ekstraksi fitur menghasilkan akurasi sebesar 85,3%.Kata kunci: Sentiment Analysis, Word2vec, Ekstraksi fitur.
PENERAPAN K-OPTIMAL PADA ALGORITMA KNN UNTUK PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA PROGRAM STUDI ILMU KOMPUTER FMIPA UNLAM BERDASARKAN IP SAMPAI DENGAN SEMESTER 4 Mutiara Ayu Banjarsari; Irwan Budiman; Andi Farmadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 2, No 2 (2015)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v2i2.26

Abstract

The data pile on a database of academic information systems at Computer Science Program of Mathematic and Natural Science Faculty of Lambung Mangkurat University is not fully utilized, although it can provide new information that has not been known before. Data mining techniques can be used to predict the timely graduation of students. The k-Nearest Nieghbor, a method to classify objects based on training data located closest to the object, was used in this study. Selection of the value of k in kNN algorithm became important because it would affect the performance of the algorithm kNN, therefore it was necessary to know how the value of k and the level of accuracy. The k-Fold Cross Validation method and Accuracy Test was used to determine the value of k-Optimal. The result showed that the value of k = 5 was defined as k-Optimal which was then be applied in the kNN algorithm for prediction of timely graduation of students based on the Grade Point Average up to 4th semester. Keywords: kNN, k-Optimal, Classification, Data mining, k-Fold Cross Validation method Tumpukan data pada database sistem informasi akademik Program Studi Ilmu Komputer FMIPA Unlam belum dimanfaatkan secara maksimal, padahal dari data tersebut dapat memberikan sebuah informasi baru yang belum diketahui sebelumnya. Teknik data mining dapat digunakan untuk memprediksi kelulusan tepat waktu mahasiswa. Penelitian menggunakan metode k-Nearest Nieghbor yang merupakan sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data training yang jaraknya paling dekat dengan objek tersebut. Pemilihan nilai k pada algoritma kNN menjadi hal yang penting karena akan mempengaruhi kinerja dari algoritma kNN, oleh karena itu perlu diketahui berapa nilai k dan tingkat akurasinya. Metode k-Fold Cross Validation dan Uji Akurasi digunakan untuk mengetahui nilai k-Optimal. Hasil yang didapat adalah nilai k=5 dengan tingkat akurasi sebesar 80.00% yang ditetapkan sebagai k-Optimal. Nilai k=5 diterapkan pada algoritma kNN untuk prediksi kelulusan tepat waktu mahasiswa berdasarkan IP sampai dengan semester 4. Kata Kunci : kNN, k-Optimal, Klasifikasi, Data mining, Sistem Informasi Akademik, Metode k-Fold Cross Validation
Co-Authors 3Irwan Budiman Ahmad Bahroini Ahmad Faris Asy’arie Ahmad Juhdi Ahmad Rusadi Ahmad Rusadi Arrahimi - Universitas Lambung Mangkurat) Ahmad Rusadi Arrahimi - Universitas Lambung Mangkurat) Akhmad Yusuf Ando Hamonangan Saragih Ardiansyah Sukma Wijaya Arifin Hidayat Aris Pratama Dita Amara Djordi Hadibaya Dodon Turianto Nugrahadi Dwi Kartini Dwi Kartini Dwi Kartini, Dwi Efendi Mohtar Evi Nadya Prisilla Faisal Murtadho Fathul Hadi Fatma Indriani Fitria Agustina fitria Friska Abadi Gita Malinda Heru Candra Kartika Heru Kartika Chandra I Gusti Ngurah Antaryama Irwan Budiman Irwan Budiman Khairunnisa Khairunnisa Lisnawati M. Apriannur Miftahul Muhaemen Muhammad Halim Muhammad Itqan Mazdadi Muhammad Khairin Nahwan Muhammad Reza Faisal, Muhammad Reza Muhammad Rusli Muliadi Muliadi Muliadi Aziz Muliadi Muliadi Muliadi Muliadi muliadi muliadi Mutiara Ayu Banjarsari Nafis Satul Khasanah Nurlatifah Amini Patrick Ringkuangan Pirjatullah Pirjatullah Pirjatullah Radityo Adi Nugroho Rifki Izdihar Oktvian Abas Pullah Rifki Rudy Herteno Rusdiani, Husna Salsabila Anjani Saragih, Triando Hamonangan Shalehah Suci Permata Sari