Article Per Year (5 Year)
p-Index From 2021 - 2026
3.538
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Teknologi CESS (Journal of Computer Engineering, System and Science) Edu Elektrika Journal JETT (Jurnal Elektro dan Telekomunikasi Terapan) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Pengabdian Masyarakat Borneo Jurnal Riset Rekayasa Elektro Jurnal Abdi Insani Journal of Telecommunication, Electronics and Control Engineering (JTECE) Techno eProceedings of Engineering RENATA Jurnal Pengabdian Masyarakat Kita Semua Jurnal Medika: Medika Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Jurnal Teknik Elektro Journal of Information Technology and its Utilization
Pradana, Zein Hanni
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
PROTOTIPE MONITORING SUHU DAN KELEMBAPAN PADA BUDIDAYA KELINCI DENGAN KOMUNIKASI MODBUS PADA SENSOR XY-MD02 Br Perangin-angin, Syifa Lestari; Romadhona, Shinta; Hanni Pradana, Zein; Larasati, Solichah
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 1 No. 3 (2024): SINTA - JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v1i3.21

Abstract

Dalam budidaya kelinci, , penting untuk memperhatikan faktor-faktor seperti suhu dan kelembapan udara di dalam kandang. Suhu dan kelembapan yang ideal akan menjaga kualitas bulu dan meningkatkan nafsu makan kelinci. Jika suhu terlalu tinggi dan kelembapan udara rendah, kelinci bisa kehilangan nafsu makan dan bulunya menjadi mudah rontok.Oleh karena itu dengan melaukan pengukuran kelembapan dalam kandang kelinci bertujuan untuk dapat dimonitor secara serial dengan komunikasi modbus. Sensor yang dipakai pada pengukuran suhu dan kelembapan adalah XY-MD02 dengan komunikasi RS485. Sensor XY-MD02 akan berkomunikasi dan diproses dengan menggunakan mikrokontroler ESP32. Sistem akan menampilkan data suhu dan kelembapan kandang. Hasil pengujian akan mendapatkan nilai suhu dan kelembapan pada serial monitor. Pada tanggal 23, suhu siang hari berkisar antara 33°C hingga 34°C dengan kelembapan 64.2% hingga 66.9%, sementara pada sore hari suhu sekitar 30°C dengan kelembapan 73% hingga 74%. Pada tanggal 24, suhu siang hari berkisar sekitar 34°C dengan kelembapan 65%, dan pada sore hari suhu turun menjadi 28°C dengan kelembapan 84% hingga 85% akibat hujan. Dalam pengukuran selama dua hari ini, dapat disimpulkan bahwa kondisi cuaca sangat berpengaruh terhadap suhu dan kelembapan kandang. Suhu pada sore hari tanggal 24 lebih baik karena adanya hujan, yang membantu menurunkan suhu dan meningkatkan kelembapan secara signifikan. Dengan hasil penelitian diharapkan dapat membantu mengambil keputusan bebasis data dalam menjaga kualitas bulu dan meningkatkan nafsu makan kelinci, sehingga kelinci tetap sehat dan produktif.
Evaluasi Arsitektur Convolutional Neural Network MobileNetV1 pada Sistem Face Recognition untuk Monitoring Presensi Febiyani, Eva; Hanni Pradana, Zein; Permatasari, Indah
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 2 No. 3 (2025): SINTA: JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v2i3.83

Abstract

Kemajuan teknologi informasi yang cepat mendorong perusahaan untuk selalu meningkatkan efisiensi operasional, termasuk dalam manajemen pengambilan data absensi karyawan. Penelitian ini bertujuan mengembangkan sistem monitoring absensi berbasis face recognition menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetv1 untuk meningkatkan keakuratan, efisiensi, dan keamanan pencatatan kehadiran karyawan. Metode yang akan digunakan meliputi proses pengumpulan data wajah karyawan, pre-processing citra, pelatihan dan pengujian model CNN berbasis TensorFlow.js yang dapat diakses melalui website. Pada penelitian ini pengambilan data akan dilakukan menggunakan kamera laptop sebagai alat input citra. Pengambilan dan pengujian menggunakan data uji dengan 10 partisipan secara langsung untuk simulasi pada lingkungan kerja. Pengujian dilakukan di dalam ruangan dengan berbagai pencahayaan. Hasil pengujian yang telah dilakukan menunjukkan tingkat akurasi sebesar 94%, dengan model berhasil mengenali wajah dalam berbagai kondisi posisi dan pencahayaan. Penelitian yang telah dilakukan terbukti efektif untuk digunakan sebagai solusi presensi modern yang minim kontak fisik dan memiliki akurasi tinggi.
Pengurangan Kebisingan Sinyal Elektrocardiogram (ECG) Menggunakan Filter Adaptif dengan Metode Least Mean Squares (LMS) Nirmayrahayu, Yenny; Hanni Pradana, Zein; Hikmah, Irmayatul
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Sinyal elektrokardiogram (ECG) sering kali terkontaminasi oleh berbagai sumber kebisingan, sepertiinterferensi daya listrik, artefak gerakan, dan kebisingan otot, yang dapat mengganggu akurasi analisis dan diagnosis medis. Oleh karena itu, diperlukan metode yang efektif untuk mengurangi kebisingan agar sinyal ECG yang diperoleh lebih bersih dan dapat diinterpretasikan dengan lebih akurat. Salah satu pendekatan yang banyak digunakan adalah filter adaptif dengan algoritma Least Mean Squares(LMS). Filter adaptif LMS memiliki keunggulan dalam menyesuaikan bobot filter secara dinamis berdasarkan perubahan karakteristik sinyal, sehingga mampu menghilangkan noise tanpa merusak komponen utama sinyal ECG. Penelitian ini bertujuan untuk mengurangi kebisingan atau noise pada sinyal ECG agar sinyal memiliki tingkat ketepatan dalam proses pendiagnosaan yan g lebih baik.Untuk meningkatkan akurasi analisis sinyal ECG diperlukan teknik pengurangan kebisingan yang efektif. Pengukuran performa menggunakan SNR (Signal to Noise Ratio) yang akan menghitung peningkatan kualitas sinyal yang signifikan dibandingkan dengan sinyal sebelum fitrasi. Hasil yang diharapkan dari penelitian ini adalah penurunan noise sinyal ECG dan terjadi perubahan pada saat disimulasikan denganmetode yang telah diterapkan, dimana hasilnya akan berbeda dengan sinyal ECG sebelum di filtrasi. Hasil yang diperoleh berdasarkan pengujian yang telah dilakukan, perubahan sinyal setelah denoising yang dapat mendekati sinyal asli pada filter orde 8 dengan step size 0.001 dan 0.01. Kata Kunci : electrocardiogram, filter adaptif, least mean squares, noise
Analisis Efisiensi Cnn Dan Rnn Dalam Klasifikasi Down Syndrome Pada Usia Balita Ramadan, Alfiansyah; Khairul Luthfi, Naufal; Rifqi Althaaf, Muhammad; Pranindito, Dadiek; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi kecerdasan buatan,khususnya machine learning, telah membuka peluang barudalam bidang kesehatan, termasuk diagnosis dini Downsyndrome pada balita. Penelitian ini bertujuan menganalisisefisiensi dua model deep learning, yaitu Convolutional NeuralNetwork (CNN) dan Recurrent Neural Network (RNN), dalammengklasifikasikan Down syndrome berdasarkan citra wajah.Metode yang digunakan meliputi pengumpulan data, prapemrosesan citra, pelatihan model, dan evaluasi menggunakanmetrik accuracy, precision, recall, dan F1-score. Hasil penelitianmenunjukkan bahwa CNN mencapai akurasi lebih tinggi(0.9383 pada data pelatihan), namun memiliki keterbatasandalam mendeteksi kasus positif (precision 0.6772, recall 0.7044).Sementara itu, RNN menunjukkan kinerja lebih baik dalammendeteksi Down syndrome (recall 0.9571, F1-score 0.8724),meskipun akurasinya lebih rendah (0.7757). Pada tahap validasidan pengujian, RNN tetap unggul dalam recall (0.9832 dan0.9928), menjadikannya lebih cocok untuk aplikasi medis yangmemprioritaskan deteksi kasus positif. Penelitian inimenyimpulkan bahwa pemilihan model tergantung padakebutuhan: CNN untuk akurasi umum, sedangkan RNN untukdeteksi komprehensif dengan risiko false negative minimal.Temuan ini memberikan kontribusi penting bagipengembangan sistem diagnosis berbasis AI yang lebih akuratdan efisien.Kata kunci— Down syndrome, CNN, RNN, klasifikasicitra, machine learning
Analisis Efisiensi Cnn Dan Rnn Dalam Klasifikasi Down Syndrome Pada Usia Balita Ramadan, Alfiansyah; Khairul Luthfi, Naufal; Rifqi Althaaf, Muhammad; Pranindhito, Dadiek; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi kecerdasan buatan, khususnya machine learning, telah membuka peluang baru dalam bidang kesehatan, termasuk diagnosis dini Down syndrome pada balita. Penelitian ini bertujuan menganalisis efisiensi dua model deep learning, yaitu Convolutional Neural Network (CNN) dan Recurrent Neural Network (RNN), dalam mengklasifikasikan Down syndrome berdasarkan citra wajah. Metode yang digunakan meliputi pengumpulan data, prapemrosesan citra, pelatihan model, dan evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa CNN mencapai akurasi lebih tinggi (0.9383 pada data pelatihan), namun memiliki keterbatasan dalam mendeteksi kasus positif (precision 0.6772, recall 0.7044). Sementara itu, RNN menunjukkan kinerja lebih baik dalam mendeteksi Down syndrome (recall 0.9571, F1-score 0.8724),meskipun akurasinya lebih rendah (0.7757). Pada tahap validasi dan pengujian, RNN tetap unggul dalam recall (0.9832 dan 0.9928), menjadikannya lebih cocok untuk aplikasi medis yang memprioritaskan deteksi kasus positif. Penelitian ini menyimpulkan bahwa pemilihan model tergantung pada kebutuhan: CNN untuk akurasi umum, sedangkan RNN untuk deteksi komprehensif dengan risiko false negative minimal. Temuan ini memberikan kontribusi penting bagipengembangan sistem diagnosis berbasis AI yang lebih akurat dan efisien.Kata kunci— Down syndrome, CNN, RNN, klasifikasi citra, machine learning
Evaluasi Sistem Jaringan Akses Ftth Untuk Koneksi Rt Rw Di Desa Suren Mertiana, Eva; Khair, Fauza; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Desa Suren merupakan desa yang mayoritaspenduduk bekerja sebagai pedagang, petani, buruh harianlepas dan untuk anak remaja setelah lulus SMA merekamembuka dropshipper. Hal ini menyebabkan tingginyakeinganan masyarakat terhadap layanan internet pribadi.Melalui pendekatan studi kasus, penelitian ini menggunakanmetode kuantitatif dan kuantitatif yang meliputi surveikebutuhan masyarakat, wawancara dengan tokoh warga sertapengamatan lapangan. Selain itu, dilakukan perancanganntopologi dengan mempertimbangkan jarak antar rumah,kondisi geografis, dan ketersediaan sinyal. Denganmemanfaatkan perangkat seperti Optical Line Terminal (OLT),Optical Distribution Point (ODP), Optical Network Terminal(ONT), serta Mikrotik. Dari hasil simulasi dan perancanganFTTH pada Optisystem nilai power link budget sebesar -19.328dBm, -19.362 dBm, -19.356 dBm, dan -19.324 dBm. Nilai BERsebesar ????. ૢૢ૞????ૡ ૙ૢ૞ .૝ ,????૝-????૙ ܠ૟૟ૢ???? .૜ ,????૝-????૙ ܠૡ???? .????૝-????૙ ܠNilai Q-Factor sebesar 7.5613, 7.48163, 7.46717, dan 7.38774.Dari ketiga parameter tersebut, bahwa evaluasi jaringan FTTHdi Desa Suren menunjukkan kelayakan implementasi danmampu mendukung konektivitas bagi masyarakat.Kata kunci— Jaringan RT/RW Net, Penyedia layananinternet, Pengembangan jaringan, Evaluasi jaringan, desa,akses internet, studi kasus.
Otomatisasi Sistem Pakan Kucing Berbasis Iot Untuk Pengaturan Porsi Pakan Dan Monitoring Secara Real-Time Nada Fitri, Refia; Yulian Zetta Maulana; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi Internet of Things (IoT)dan Artificial Intelligence (AI) mendorong terciptanya sistemotomatisasi cerdas dan responsif. Penelitian ini mengusulkansistem pakan kucing otomatis berbasis IoT dan AI yangdirancang untuk mengatasi permasalahan keterbatasan waktupemilik hewan dalam memberi pakan secara teratur. Sistemmenggunakan YOLOv11 untuk mendeteksi kucing secara realtime melalui webcam, sehingga hanya kucing teridentifikasiyang dapat menerima pakan. Model AI dilatih menggunakanplatform Roboflow dan dikonversi ke format TensorFlow agarkompatibel dengan perangkat edge. Raspberry Pi 4 digunakansebagai pengendali utama untuk sensor dan aktuator, sertaterhubung ke server lokal melalui integrasi Cloudflare Tunnelguna menyediakan akses website secara aman. Sensor loadcelldan ultrasonik digunakan untuk mendeteksi berat pakan danketersediaan pakan, sedangkan motor stepper mengatur prosesdistribusi pakan baik secara otomatis maupun manual. Sistemdapat dikendalikan dan dipantau dari jarak jauh melaluiantarmuka web dan notifikasi Telegram. Hasil pengujianmenunjukkan akurasi loadcell sebesar 97,16%, sensorultrasonik 98,28%, akurasi pemberian pakan otomatis 91,92%,manual 89,13%, dan akurasi deteksi kucing 95%. Websitememiliki waktu connect time rata-rata 109,2 ms, notifikasiTelegram 3,4 ms, dan latency akses ke server lokal sebesar 373,6ms. Sistem ini menunjukkan performa yang andal dalampengelolaan pakan kucing secara selektif dan efisien melaluiintegrasi teknologi IoT dan AI.Kata kunci — AI, Cloudflare Tunnel, IoT, Raspberry Pi 4,YOLOv11
Otomatisasi Sistem Pakan Kucing Berbasis Iot Untuk Pengaturan Porsi Pakan Dan Monitoring Secara Realtime Cornelius, Yuwan; Zetta Maulana, Yulian; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi Internet of Things(IoT) dan Artificial Intelligence (AI) mendorongterciptanya sistem otomatisasi cerdas dan responsif.Penelitian ini mengusulkan sistem pakan kucing otomatisberbasis IoT dan AI yang dirancang untuk mengatasipermasalahan keterbatasan waktu pemilik hewan dalammemberi pakan secara teratur. Sistem menggunakanYOLOv11 untuk mendeteksi kucing secara real-timemelalui webcam, sehingga hanya kucing teridentifikasiyang dapat menerima pakan. Model AI dilatihmenggunakan platform Roboflow dan dikonversi keformat TensorFlow agar kompatibel dengan perangkatedge. Raspberry Pi 4 digunakan sebagai pengendali utamauntuk sensor dan aktuator, serta terhubung ke serverlokal melalui integrasi Cloudflare Tunnel gunamenyediakan akses website secara aman. Sensor loadcelldan ultrasonik digunakan untuk mendeteksi berat pakandan ketersediaan pakan, sedangkan motor steppermengatur proses distribusi pakan baik secara otomatismaupun manual. Sistem dapat dikendalikan dandipantau dari jarak jauh melalui antarmuka web dannotifikasi Telegram. Hasil pengujian menunjukkanakurasi loadcell sebesar 97,16%, sensor ultrasonik98,28%, akurasi pemberian pakan otomatis 91,92%,manual 89,13%, dan akurasi deteksi kucing 95%. Websitememiliki waktu connect time rata-rata 109,2 ms,notifikasi Telegram 3,4 ms, dan latency akses ke serverlokal sebesar 373,6 ms. Sistem ini menunjukkan performayang andal dalam pengelolaan pakan kucing secaraselektif dan efisien melalui integrasi teknologi IoT dan AI.Kata kunci — AI, Cloudflare Tunnel, IoT, Raspberry Pi4, YOLOv11
Implementasi Logika Fuzzy Pada Penilaian Kegiatan Merdeka Belajar Kampus Merdeka (MBKM) Rifanti, Utti Marina; Pujiharsono, Herryawan; Pradana, Zein Hanni
JST (Jurnal Sains dan Teknologi) Vol. 12 No. 1 (2023): April
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jstundiksha.v12i1.50057

Abstract

Pada tahun 2020, Menteri Pendidikan dan Kebudayaan (Kemdikbud) RI  mengeluarkan kebijakan Merdeka Belajar Kampus Merdeka (MBKM) yang menyebabkan terjadinya penyesuaian kurikulum pendidikan tinggi. Hal ini berakibat pada penyesuaian metode dan instrumen penilaian terhadap kegiatan mahasiswa di setiap perguruan tinggi. Mahasiswa yang berpartisipasi dalam MBKM diarahkan untuk mengembangkan hardskill dan softskill sehingga penilaian akan bersifat kualitatif. Tujuan dari penelitian ini adalah memberikan gambaran terkait penilaian kegiatan MBKM secara kualitatif menggunakan bantuan dari logika fuzzy sebagai pendukung pengambilan keputusan penilaian kegiatan MBKM. Logika fuzzy merupakan suatu alat bantu yang dapat digunakan untuk proses penilaian yang bersifat kualitatif. Metode yang digunakan adalah metode penelitian kualitatif menggunakan studi kasus mahasiswa peserta MBKM di Institut Teknologi Telkom Purwokerto (ITTP) tahun 2021. Pemodelan sistem penilaian dilakukan menggunakan sistem fuzzy Mamdani. Keunggulan dari logika fuzzy pada proses penilaian adalah pihak penilai atau asesor dapat menentukan aturan sesuai kebijakan penilaian, selain itu dapat meningkatkan akurasi dan konsistensi nilai.
Penerapan Skema Automatic Cell Planning (ACP) untuk Meningkatkan Coverage Area Jaringan 4G-LTE pada Perumahan Bukit Kalibagor Indah Ayuningtyas, Retno Dwi; Praja, Muhammad Panji Kusuma; Romadhona, Shinta; Pradana, Zein Hanni
Journal of Telecommunication Electronics and Control Engineering (JTECE) Vol 6 No 1 (2024): Journal of Telecommunication, Electronics, and Control Engineering (JTECE)
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/jtece.v6i1.1188

Abstract

Peningkatan permintaan akses internet telah menyebabkan perkembangan cepat dari teknologi jaringan 4G LTE. Namun, coverage area jaringan masih terbatas, terutama di daerah perumahan, salah satunya perumahan Bukit Kalibagor Indah,Banyumas. Hal ini diperoleh dari simulasi eksisting yang dilakukan dan didapatkan bahwa setiap nilai Key Performance Indicator (KPI) berupa nilai Received Signal Reference Power (RSRP), Signal-to-Noise Ratio (SNR) dan Throughput masih tergolong buruk. Cara yang dapat digunakan untuk mengatasi permasalahan ini adalah optimasi jaringan, salah satunya menggunakan teknik optimasi Automatic Cell Planning (ACP) dengan menggunakan frekuensi 2100 MHz dan Base Transceiver Station (BTS) dengan 3 antena sektoral yang mempunyai nilai azimuth serta tilting yang berbeda. ACP merupakan pendekatan yang berfokus pada peningkatan efisiensi dan cakupan jaringan dengan mempertimbangkan parameter kunci seperti RSRP, SNR, dan Throughput. Hasil penelitian menunjukkan bahwa pada ACP skenario 1, nilai RSRP meningkat dari -131,46 dBm menjadi -110,64 dBm, SNR meningkat dari 2,09 dB menjadi 10,35 dB, dan Throughput meningkat dari 6187,74 kbps menjadi 17424,26 kbps. Pada ACP skenario 2, nilai RSRP mencapai -118,64 dBm, SNR mencapai 5,7 dB, dan Throughput mencapai 9190,41 kbps. Sedangkan pada ACP skenario 3, nilai RSRP mencapai -120,09 dBm, SNR mencapai 4,72 dB, dan Throughput mencapai 8346,81 kbps. Dari hasil ini dapat disimpulkan bahwa penerapan skema ACP secara signifikan meningkatkan cakupan area jaringan 4G-LTE di perumahan Bukit Kalibagor Indah.
Co-Authors Ade Wahyudin Ade Wahyudin Afandi, Mas Aly Alfataniah Nur Fajrina Amrulloh, Abdul Fatah Ayuningtyas, Retno Dwi Azzahra, Galuh Dwi Br Perangin-angin, Syifa Lestari Catur Nugroho Cornelius, Yuwan Dadiek Pranindito Dwisetyarini, Febrianti Fauza Khair Febiyani, Eva Hanin Nafi'ah Husaini, M. Arif Indah Permatasari Indah Permatasari Irmayatul Hikmah Khairul Luthfi, Naufal Khoirun Ni'amah Khoirun Ni'amah KHOIRUN NI’AMAH Kristianto, Giovanny Bangun Mahardika Mertiana, Eva Muhammad Azhar Muhammad Panji Kusuma Praja Nada Fitri, Refia Niamah, Khoirun Ni’amah, Khoirun Ningrum, Ema Wahyu Nirmayrahayu, Yenny Pranindhito, Dadiek Raditya Artha Rochmanto Ramadan, Alfiansyah Rifqi Althaaf, Muhammad Rizky Ramadhan, Raffi Rizqy Adzani, Seftira Sevia Indah Purnama Shinta Romadhona Shinta Romadhona Solichah Larasati Talenta Pasaribu, Tabitha Tenia Wahyuningrum Utti Marina Rifanti Wirakhmi, Ikit Netra Wulandari . YULIAN ZETTA MAULANA