Article Per Year (5 Year)
p-Index From 2021 - 2026
8.743
P-Index
This Author published in this journals
All Journal EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi JOIV : International Journal on Informatics Visualization RABIT: Jurnal Teknologi dan Sistem Informasi Univrab SMARTICS Journal Syntax Literate: Jurnal Ilmiah Indonesia JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Edukasi Islami: Jurnal Pendidikan Islam JURIKOM (Jurnal Riset Komputer) Jurnal Riset Informatika Journal of Information System, Applied, Management, Accounting and Research METIK JURNAL Jurnal Informatika Kaputama (JIK) Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Jusikom: Jurnal Sistem Informasi Ilmu Komputer Jurnal Ilmu Komputer dan Bisnis Jurnal Teknologi Informasi dan Multimedia Jurnal Ekonomi Manajemen Sistem Informasi Systematics Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Teknologi Dan Sistem Informasi Bisnis Zonasi: Jurnal Sistem Informasi Jurnal Informasi dan Teknologi Buana Information Technology and Computer Sciences (BIT and CS) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JIKA (Jurnal Informatika) Infotek : Jurnal Informatika dan Teknologi Journal of Applied Data Sciences Jurnal Cahaya Mandalika Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) International Journal of Computer and Information System (IJCIS) International Journal of Engineering, Science and Information Technology Jurnal Tika Instal : Jurnal Komputer Dirgamaya: Jurnal Manajemen dan Sistem Informasi Jurnal Minfo Polgan (JMP) Jurnal Teknik Mesin Mechanical Xplore Abdimas Jurnal Sistem Informasi STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Jurnal Ilmiah Teknik Informatika dan Komunikasi Innovative: Journal Of Social Science Research Jitu: Jurnal Informatika Utama VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Masyarakat Berkarya: Jurnal Pengabdian dan Perubahan Sosial JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
Hananto, Agustia
Fakultas Ilmu Komputer, Program Studi Sistem Informasi, Universitas Buana Perjuangan Karawang, Karawang, Indonesia
Religion Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 72 Documents
Search

 3   4   5   6   7 
IMPLEMENTASI USER INTERFACE PADA WEBSITE COMPANY PROFILE MENGGUNAKAN METODE DESIGN THINKING Tamala, Evi; Huda, Baenil; Novalia, Elfina; Hananto, Agustia
ZONAsi: Jurnal Sistem Informasi Vol. 7 No. 2 (2025): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode Mei 2025
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/9pwc1780

Abstract

CV. Smart Motecare Mandiri bergerak di bidang penyedia perangkat teknologi informasi serta layanan instalasi dan perawatan peralatan tersebut. Seiring dengan pesatnya perkembangan teknologi informasi, perusahaan ini menyadari pentingnya keberadaan sebuah website sebagai sarana komunikasi dan promosi yang efektif. Website menjadi platform penting untuk menyampaikan informasi mengenai produk, layanan, serta profil perusahaan. Penelitian ini bertujuan untuk merancang website company profile CV. Smart Motecare Mandiri dengan memanfaatkan metode Design Thinking, yang mengarah pada pengetahuan yang komprehensif mengenai keperluan pengguna serta penyelesaian masalah yang dihadapi perusahaan. Proses perancangan mencakup tahapan Empathize, Define, Ideate, serta pembuatan desain dan prototype, yang kemudian diimplementasikan dalam pembuatan website menggunakan platform WordPress. Setelah website selesai dibuat, pengujian dilakukan dengan metode SUS untuk mengukur tingkat kegunaan website. Hasil pengujian menunjukkan skor akhir SUS sebesar 68,00, yang termasuk dalam kategori "marginal high" dan menunjukkan bahwa website yang dirancang efektif dalam memenuhi tujuan perusahaan. Website ini diharapkan dapat menjadi sarana promosi digital yang meningkatkan citra profesional perusahaan dan mempermudah calon pelanggan dalam memperoleh informasi.
Klasterisasi Supplier Berdasarkan Kinerja Menggunakan Algoritma K-Means Afra, Alfina Fadhilah; Hananto, April Lia; Hananto, Agustia; Priyatna, Bayu
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol 7 No 2 (2025): April 2025
Publisher : Prodi Sistem Informasi Universitas Dharma Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jteksis.v7i2.1935

Abstract

Untuk memastikan efisiensi operasional dan kualitas produk, evaluasi kinerja supplier sangat berperan penting dalam bidang perindustrian. PT Percetakan masih menggunakan penilaian subjektif dalam menilai kinerja supplier. Variabel dalam data ini yaitu Supplier, Jumlah Pesanan, Harga Satuan dan Rentang Pengiriman yang dapat dianalisis untuk meningkatkan penilaian kinerja supplier. Penelitian ini menggunakan algoritma K-Means untuk mengklasterisasikan supplier berdasarkan kinerja. Algoritma K-Means dipilih karena dapat mengolah data dalam jumlah besar dan efisien, hasil yang didapat lebih objektif dibanding pendekatan subjektif. Hasil Penelitian ini diharapkan dapat memberikan kontribusi dan solusi yang praktis bagi PT Percetakan untuk menentukan mitra kerja sama melalui penerapan algoritma K-Means. Hasil klasterisasi menunjukkan bahwa terdapat perbedaan yang signifikan antara supplier dalam setiap klaster. Supplier dengan performa terbaik (Klaster 1) cenderung memiliki jumlah pesanan yang tinggi, harga satuan lebih kompetitif, dan waktu pengiriman lebih cepat. Sementara itu, supplier dengan performa rendah (Klaster 3) memiliki harga lebih tinggi dan rentang pengiriman yang lama, yang dapat mempengaruhi efisiensi operasional perusahaan.
Web-Based Warehouse Inventory System Using the Waterfall Method: A Case Study at Satria Wholesale Mart Melisa; Tukino; Agustia Hananto; April Lia Hananto
Jurnal Informasi dan Teknologi 2025, Vol. 7, No. 1
Publisher : SEULANGA SYSTEM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60083/jidt.vi0.610

Abstract

In the digital era, manual warehouse inventory management is still challenging for many business people, including Satria Wholesale Mart. The main problems also faced are irregularities in recording incoming and outgoing goods, low accuracy of stock data, delays in reporting, and difficulties in tracking stock in real time. This finding aims to design and build an efficient and effective web-based warehouse inventory system using the Waterfall method. The finding method used is applied findings with a descriptive qualitative approach, which also aims to describe in detail and systematically the phenomena that also occur in the field and how new systems can be developed to solve these problems. The findings show that applying the waterfall method in developing a web-based inventory information system at PT Herso Ticep Indonesia has also yielded satisfactory results. The system that has also been developed has succeeded in meeting the needs of companies in inventory management, improving operational efficiency, and optimizing inventory management. These findings imply that companies can improve their operational efficiency and optimize inventory management by implementing this information system. The findings could also guide other companies that want to develop similar systems.
Text Data Classification Using the SVM Model on the LMDB Minecraft Dataset Bayu Yoga Astario; Tukino; Agustia Hananto; Fitria Nurapriani; Elfina Novalia
Jurnal Informasi dan Teknologi 2025, Vol. 7, No. 2
Publisher : SEULANGA SYSTEM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60083/jidt.vi0.620

Abstract

Text classification is a fundamental task in Natural Language Processing (NLP) aimed at categorizing text data into predefined classes. This study implements a Support Vector Machine (SVM) model to classify text data from the LMDB Minecraft Dataset, which contains user reviews of the Minecraft movie. The research involves text preprocessing, TF-IDF feature extraction, and SVM model training. The classification results are evaluated using accuracy, precision, recall, f1-score, and confusion matrix metrics. The comment data is also analyzed based on the timing of their appearance in the movie. All processes are visualized in diagrams; the final results are saved in Excel format. The SVM model performs adequately on informal and domain-specific language data, providing a foundation for future research in similar text classification contexts.
Algoritma K-Means Clustering Untuk Segmentasi Produk Kosmetik Terlaris Berdasarkan Volume Penjualan Salsabila, Nasya; Tukino, Tukino; Hananto, Agustia; Priyatna, Bayu
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 1 (2025): June
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i1.4318

Abstract

Wardah, sebagai salah satu merek kosmetik lokal yang menonjol, berhasil menarik minat konsumen dengan menghadirkan produk-produk berkualitas, bersertifikat halal, serta memiliki harga yang terjangkau. Dengan semakin ketatnya persaingan dalam industri ini, penting bagi perusahaan untuk memanfaatkan data penjualan secara lebih efektif guna merancang strategi bisnis dan pemasaran yang lebih presisi. Menganalisis data penjualan berdasarkan produk yang terjual sangat penting untuk memahami dinamika pasar dan preferensi konsumen. Penelitian ini memanfaatkan algoritma K-Means Clustering untuk melakukan segmentasi produk berdasarkan data penjualan, dengan fokus pada dua variabel utama, yaitu jumlah unit yang terjual dan nilai total penjualan. Hasil penentuan jumlah klaster optimal menggunakan metode Elbow dan Davies-Bouldin Index (DBI) menunjukkan bahwa lima klaster memberikan pemisahan dan kekompakan data terbaik, dengan nilai DBI terendah sebesar 0,7772. Analisis lebih lanjut terhadap klaster menunjukkan bahwa Klaster 0 merupakan kelompok terbesar, mencakup 65 produk atau sekitar 46,76% dari total. Produk dalam klaster ini memiliki harga rata-rata yang rendah, yaitu sekitar Rp38.733, dengan total penjualan mencapai lebih dari Rp31 juta. Sementara itu, klaster 1 terdiri dari hanya 8 produk (5,76%), namun memiliki harga rata-rata paling tinggi, yakni Rp227.000. Meski jumlah penjualannya lebih kecil, klaster ini mengindikasikan keberadaan produk-produk premium atau eksklusif. Klaster 2 mencakup 40 produk (28,78%) dengan harga rata-rata sekitar Rp100.016 dan total penjualan mencapai hampir Rp49 juta. Klaster 3 menonjol dengan jumlah varian rata-rata yang tinggi (6 varian per produk), total penjualan tertinggi yaitu sekitar Rp68,5 juta, dan volume penjualan terbesar dengan 1.073 unit terjual. Klaster ini terdiri dari 23 produk (16,55%) dan menunjukkan bahwa meskipun jumlah produknya lebih sedikit, kontribusinya terhadap total penjualan sangat signifikan. Terakhir, klaster 4 merupakan klaster terkecil dengan hanya 3 produk (2,16%), namun memiliki jumlah varian sangat tinggi, rata-rata mencapai 20,67 varian per produk, dan harga menengah ke atas sekitar Rp88.781. Secara keseluruhan, hasil klasterisasi ini memberikan wawasan penting untuk strategi bisnis, seperti penentuan harga, pengelolaan stok, dan penargetan promosi berdasarkan karakteristik masing-masing kelompok produk.
PENGELOMPOKAN PENJUALAN PRODUK DENGAN MENGGUNAKAN K-MEANS CLUSTERING : STUDI KASUS ANALISIS PENJUALAN COFFEE SHOP OLEH KAGGLE.COM Sifa, Sifa Rismawati; Shofa Shofiah Hilabi; Bayu Priyatna; Agustia Hananto
Jurnal Sistem Informasi (JUSIN) Vol 6 No 1 (2025): Jurnal Sistem Informasi
Publisher : ITB Ahmad Dahlan Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32546/jusin.v6i1.3078

Abstract

This study aims to group sales products in a coffee shop based on transaction data using the K-Means Clustering algorithm. The dataset from Kaggle.com includes the attributes product_id, transaction_qty, and unit_price. This method was chosen because of its ability to identify sales patterns in grouping products into three main clusters including high, medium, and low sales. The research process includes data collection, pre-processing, normalization, determining the optimal number of clusters, to evaluating the results using a Silhouette Score of 0.65. These results indicate that the K-Means method is effective in providing product segmentation that can be used as a basis for making business decisions, in optimizing stock and data-based marketing strategies.
MODELING THE DISTRIBUTION OF HIV CASES WITH K-MEANS CLUSTERING CASE STUDY OF WEST JAVA PROVINCE Difa Prakoso Fuadi, Muhammad; Tukino; Hananto, Agustia; Nurafriani, Fitria
Jurnal Riset Informatika Vol. 7 No. 3 (2025): Juni 2025
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2107.927 KB) | DOI: 10.34288/jri.v7i3.374

Abstract

In Indonesia, the problem of HIV/AIDS is a serious concern because the trend of cases tends to increase in several regions, including in West Java Province, 2018 data from the Health Office shows a significant variation in the number of HIV cases among districts and cities in the province, in this journal, a visualization process is carried out using Google Colaboratory (Google Colab) to provide an overview of the distribution pattern of cases based on the results of the K-Means Clustering algorithm. The results showed the existence of three main clusters, namely areas with low, medium, and high numbers of cases. Large cities such as Bandung and Bekasi were in the group with the highest number of cases, while peripheral and rural areas showed lower numbers of cases. This finding is expected to be the basis for formulating more effective health policies, especially in education programs, early detection, and community-based interventions to support the goal of eliminating HIV by 2030, then what can be done is to carry out intervention strategies or steps to prevent the spread of HIV tailored to the risk level of each cluster resulting from clustering analysis. Local governments are expected to utilize the results of this mapping to develop more detailed prevention strategies according to the characteristics of each region.
Implementation of The Seasonal Autoregressive Integrated Moving Average Predictive Model on Raw Material Usage Data at PT. Plastik Karawang Flexindo Alfiansyah, Muhammad Rindra; Tukino, Tukino; Hananto, Agustia; Novalia, Elfina
International Journal of Engineering, Science and Information Technology Vol 5, No 3 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i3.867

Abstract

Fluctuations in raw material utilization in the manufacturing industry significantly impact production process efficiency, operational costs, and supply chain stability. Inaccurate planning and management of raw material inventories can lead to two extreme conditions: excess stock, which increases storage costs and the risk of expiration, or stock shortages, which could halt the production process and reduce productivity. To improve the accuracy of raw material consumption planning, this study applies the Seasonal Autoregressive Integrated Moving Average (SARIMA) model to predict raw material needs periodically based on historical data. The dataset used includes the consumption of Polyethylene (PE), High Density Polyethylene (HDPE), and Polypropylene (PP) from 2019 to 2025. The data is analyzed using a time series forecasting approach to identify trends and seasonal patterns. The SARIMA model is developed and optimized using three methods to search for the best parameters: Grid Search, Random Search, and Bayesian Optimization, to enhance prediction performance. The model's evaluation calculates the Mean Absolute Percentage Error (MAPE) as an accuracy indicator. The evaluation results show that although SARIMA can recognize seasonal patterns in raw material consumption, the prediction accuracy varies, with the best MAPE value being 16% and the highest being 34%. This indicates that external factors, such as market dynamics, government policies, global price fluctuations, and internal variables such as production schedules and customer demand, need to be considered to improve the model's precision. Overall, the application of SARIMA in this context provides a strategic contribution to supply chain management in the manufacturing industry, particularly in anticipating raw material needs, reducing uncertainty, and supporting more efficient and adaptive data-driven decision-making.
Implementasi Deteksi Objek Penggunaan Helm Dengan Metode YOLOv10 Reswara, Hadaya Abhista; Priyatna, Bayu; Hananto, Agustia; Tukino, Tukino
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.15010

Abstract

Keselamatan berkendara, khususnya bagi pengendara sepeda motor, merupakan isu krusial, dan penggunaan helm secara konsisten terbukti dapat mengurangi risiko cedera kepala. Deteksi otomatis penggunaan helm melalui analisis citra dapat menjadi solusi efektif untuk memantau dan meningkatkan kepatuhan terhadap peraturan keselamatan. Dalam penelitian ini, model YOLOv10, sebuah arsitektur deteksi objek real-time terbaru, dilatih dan diuji menggunakan dataset citra yang relevan. Kinerja model dievaluasi berdasarkan metrik deteksi objek standar seperti precision, recall, F1-score, dan mean Average Precision (mAP). Berdasarkan hasil pelatihan dengan 300 citra dan 60 data validasi, model YOLOv10 berhasil mencapai nilai mAP50 sebesar 99,5%. Sementara itu, hasil pengujian menggunakan 20 citra menghasilkan akurasi sebesar 95%, menunjukkan bahwa sistem mampu mendeteksi penggunaan helm dengan cukup baik.
Klasifikasi Barang NG Berdasarkan Dataset Menggunakan Algoritma C.45 Studi Kasus: Perusahaan Manufaktur XYZ Jasmine Dina Sabila; Tukino, Tukino; Agustia Hananto
Jurnal Ekonomi Manajemen Sistem Informasi Vol. 6 No. 6 (2025): Jurnal Ekonomi Manajemen Sistem Informasi (Juli - Agustus 2025)
Publisher : Dinasti Review

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jemsi.v6i6.5644

Abstract

Perusahaan XYZ adalah perusahaan asal Jepang yang bergerak di bidang otomotif, khususnya dalam produksi suku cadang. Produk utamanya adalah perakitan selang untuk sistem pendingin udara (air-conditioning hose assemblies) untuk kendaraan Original Equipment Manufacturer (OEM). Departemen produksi Final Inspection bertugas memastikan bahwa barang produksi memenuhi standar kualitas sesuai dengan Work Instruction (WI) dan spesifikasi dimensi berdasarkan gauge. Dalam pelaksanaan tugasnya, apabila ditemukan Not Good (NG), barang tersebut akan dipisahkan dari barang OK, kemudian ditandai dan disisihkan untuk dianalisis lebih lanjut. Pencatatan barang Not Good (NG) ini dilakukan melalui Website Worktop, Dimana data dapat diakses kapan saja dan mencakup jenis, jumlah, serta masalah NG (not good). Sistem ini membantu pelaporan real-time dan mempermudah pemantauan data produksi. Dari hasil input logbook, ditemukan adanya NG (not good) yang berulang pada proses produksi. Kondisi NG (not good) yang berulang ini menyebabkan gangguan pada waktu cycle time, sehingga berdampak pada efisiensi produksi. Data hasil input logbook yang belum diolah menjadi knowledge dapat membantu membuat keputusan departemen produksi dengan mengklasifikasikan data NG (not good) menjadi kategori keparahan NG (not good) menggunakan data mining diharapkan dapat membentuk pola untuk mendukung pengambilan keputusan yang baik.
Co-Authors ,, Tukino Abdul Hafiz Afif Hakim Afra, Alfina Fadhilah Agneresa Agneresa Agus Supriyanto Alfiansyah, Muhammad Rindra ali, agus alzahra, alika aziza Amir Amir Amri Abdulah Anggi Octa Fadilah Angraeni, Rahmah Nur Annam, Dyno Syaiful Apriade Voutama Apriani, Fitria April Lia Hananto Arief Wibowo Arip Solehudin Asep Permana atikah, dwi Atmaja, Rashelin Zahra Aulia, Aldi Aviv Yuniar Rahman Aviv Yuniar Rahman Awal, Elsa Elvira Azizah, Fathin Putri Baenil Huda Baenil Huda Baenil Huda Baenil Huda Bayu Priyatna Bayu Yoga Astario Cepi Budiansyah, Ade Deva Defrina Aldeana Difa Prakoso Fuadi, Muhammad Dodi Mulyadi Dodi Mulyadi Dyno Syaiful Annam Eko Pramono Elfina Novalia Elfinanovalia , Elfinanovalia Emilia Sukmawati, Cici Erlyta Hares Fatmanisa Mumpuni Delta Maharani Ferdiansyah, Indra FIKRI HAIKAL Fitria Nur Apriani Fitria Nurapriani Fitria Nurapriani Fizra Firdaus Nillan Goenawan Brotosaputro Handayani, Citra Herda Andriana Heryana, Nono Hilabi, Shofa Shofia Hilabi, Shofa Shofiah Hilabi, Shofa Shofiah Huban Kabir Huda , Baenil Huda, Baenil Ikhsan, Muhammad Daffa Ilham Fariz Asya Mubarok Indra Kurniawan Jasmine Dina Sabila Karyadi Karyadi Khoirudin Khoirudin Khoirudin, Khoirudin Kusnadi, Akhmad Melisa Mubarok, Piky Muhamad Mammun Muhamad Rizky Arfani Muhamad Rizky Arfani Muhammad Khaerudin Novalia, Elfina Nur Widyartha, Yogi Nurafriani, Fitria Nurajizah, Dhea Nurapriani, Fitria Nurfajria, Dera Nurhayati Paryono, Tukino Pradana Rizki Maulana Pratama, Tito Chaerul Priyatna, Bayu Priyatna, Bayu Puspita Sari, Desti Rahdiana, Nana Rahmatiani, Lusiana Rahmawati, Adila Rati Ratnasari Reswara, Hadaya Abhista Rini Mayasari Rosalina, Elsa Sabrina Amanda Salsabila Saefil Aripiyanto Salsabila, Nasya Setiawan, Pratama Wahyu Setiawan, Pratama Wahyu Shofa Shofia Hilab Shofa Shofia Hilabi Shofa Shofia Hilabi Shofa Shofia Hilabi Shofa Shofiah Hilabi Shofa Shofiah Hilabi Shofia Hilabi, Shofa Shofiah Hilabi, Shofa Sifa, Sifa Rismawati Sigit Budi Nugroho Silvana Nazuah Siti Masruroh Sri Wahyuni Suhara, Ade Sukarman Sukarman Sukarman Sukarman Sunarya, Edwin Yohanes Supriyanto, Danang Susilo, Hendri Tamala, Evi TARMUJI TARMUJI, TARMUJI Taufik Ulhakim, Muhamad Thoyib, Imam Nurhuda Tikamori, Ghazi Tukino Tukino Tukino Tukino Tukino Tukino, Tukino tukino, tukino Tukino, Tukino Tukino, Tukino Utomo, Ainur Alam Budi Wahyu, Pratama Widyanti, Tyas Witulas Ambang Cahyati Yoga Astario, Bayu Zein, Selmia Aulia