p-Index From 2021 - 2026
10.491
P-Index
This Author published in this journals
All Journal JTT (Jurnal Teknologi Terpadu) Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Jiko (Jurnal Informatika dan komputer) METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Indonesian Journal of Applied Informatics KOMPUTIKA - Jurnal Sistem Komputer Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jurnal Informatika Global STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Journal of Information Systems and Informatics Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JATI (Jurnal Mahasiswa Teknik Informatika) G-Tech : Jurnal Teknologi Terapan Infotek : Jurnal Informatika dan Teknologi Madaniya Infotech: Journal of Technology Information Jurnal Teknik Informatika (JUTIF) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Infotech: Jurnal Informatika & Teknologi Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) International Journal Software Engineering and Computer Science (IJSECS) Jurnal Dinamika Informatika (JDI) Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Informatika Teknologi dan Sains (Jinteks) Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Jurnal Indonesia Sosial Teknologi Proceeding of International Conference Health, Science And Technology (ICOHETECH) Adopsi Teknologi dan Sistem Informasi Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Innovative: Journal Of Social Science Research Journal Of Artificial Intelligence And Software Engineering SmartComp Sains Data Jurnal Studi Matematika dan Teknologi Jurnal PETISI (Pendidikan Teknologi Informasi) Jurnal Pengabdian Masyarakat Inovasi Indonesia TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika
Claim Missing Document
Check
Articles

Penerapan Model Recency, Frequency, Monetary (RFM) Pada Sistem Segmentasi Member Solo Paragon Mall Muflih Taqiuddin; Vihi Atina; Dwi Hartanti
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Pusat perbelanjaan modern menghadapi tantangan dalam mengelola data member secara efektif untuk mendukung strategi pemasaran yang tepat sasaran. Solo Paragon Mall memiliki 780 data member dan 1.500 data transaksi yang hanya digunakan untuk keperluan administratif. Penelitian ini menerapkan model Recency, Frequency, Monetary (RFM) dikombinasikan dengan algoritma K-Means Clustering untuk melakukan segmentasi member. Tahapan penelitian mengikuti proses Knowledge Discovery in Databases (KDD) yang meliputi selection, preprocessing, transformation, data mining, dan interpretation/evaluation. Skor RFM dihitung menggunakan metode kuantil (skala 1–5) dan digunakan sebagai fitur clustering. Jumlah klaster optimal ditentukan dengan Elbow Method, sedangkan kualitas clustering dievaluasi menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan terbentuknya 4 klaster segmen member, yaitu Champion, Loyal Customer, At Risk, dan Lost Customer. Segmen Champion yang berjumlah 110 member (29,3% dari total 376 member) berkontribusi terhadap 75,3% total pendapatan, sementara Lost Customer (27,7% member) hanya menyumbang 3,3% pendapatan. Nilai Davies-Bouldin Index pada pendeketan RFM + K-Means sebesar 1,013 dibandingkan dengan 0,525 pada K-Means standar, yang menunjukkan bahwa skoring RFM mampu menyeimbangkan bobot ketiga dimensi sehingga segmentasi yang dihasilkan lebih relevan secara bisnis. Hasil segmentasi divisualisasikan melalui sistem berbasis web agar manajemen dapat mengakses informasi segmen member secara real-time. Penelitian ini menghasilkan segmentasi member yang lebih informatif dan akurat dibandingkan K-Means standar, sehingga manajemen dapat merancang program loyalitas yang lebih tepat sasaran.
SISTEM REKOMENDASI PENYEWAAN MOBIL MENGGUNAKAN METODE CONTENT-BASED FILTERING UNTUK PREFERENSI PELANGGAN Syahrul Azhar Faisal; Aprilisa Arum Sari, S.T, M.Kom; Dwi Hartanti, M.Kom
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Perkembangan teknologi informasi pada sektor transportasi mendorong perusahaan jasa penyewaan mobil untuk meningkatkan kualitas layanan berbasis digital. PT. Star Trans Nusantara masih menerapkan proses penyewaan secara semi-manual melalui media sosial dan aplikasi perpesanan sehingga pelanggan mengalami kesulitan dalam memperoleh rekomendasi mobil yang sesuai dengan kebutuhan. Penelitian ini bertujuan mengembangkan sistem rekomendasi penyewaan mobil berbasis web menggunakan metode Content-Based Filtering dengan pendekatan Cosine Similarity untuk membantu pelanggan memilih mobil berdasarkan preferensi yang diinginkan. Metode penelitian meliputi studi literatur, wawancara, observasi, analisis kebutuhan, perancangan sistem menggunakan UML, implementasi sistem menggunakan PHP dan MySQL, serta evaluasi menggunakan Blackbox Testing. Proses rekomendasi dilakukan dengan membandingkan atribut preferensi pengguna dengan atribut mobil menggunakan representasi nilai vektor biner dan perhitungan tingkat kemiripan menggunakan Cosine Similarity. Hasil penelitian menunjukkan bahwa sistem berhasil memberikan rekomendasi mobil yang relevan sesuai preferensi pelanggan dengan skor similarity tertinggi sebesar 1.0000 pada mobil Elf Giga, sedangkan Hiace Premio dan Hiace Commuter memperoleh skor 0.8660. Hasil pengujian fungsional menunjukkan seluruh fitur sistem berjalan dengan baik dan valid. Sistem yang dikembangkan mampu mempermudah pelanggan dalam mencari dan menentukan pilihan mobil secara lebih cepat, efektif, dan sesuai kebutuhan.
Rancangan Sistem Rekomendasi Kelayakan Penerima Taufiq Nur Arifin; Dwi Hartanti; Eko Purwanto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Penentuan kelayakan penerima bantuan memerlukan proses verifikasi yang konsisten agar bantuan dapat diprioritaskan kepada calon penerima yang sesuai. Penelitian ini bertujuan merancang model rekomendasi kelayakan penerima bantuan menggunakan algoritma Decision Tree. Data penelitian terdiri atas 147 data historis calon penerima bantuan pada Komunitas Sosial Kafilah yang telah diverifikasi oleh beberapa pengurus berdasarkan kriteria yang disepakati bersama. Atribut yang digunakan meliputi kondisi ekonomi, jumlah tanggungan, status pekerjaan, kondisi tempat tinggal, dan kondisi sosial, dengan keluaran berupa kategori layak dan tidak layak. Data kategorikal dikodekan secara manual berdasarkan tingkat kerentanan setiap kategori. Model dibangun menggunakan DecisionTreeClassifier dengan kriteria entropy dan dievaluasi menggunakan 5-fold stratified cross-validation. Optimasi parameter dilakukan menggunakan GridSearchCV pada setiap data latih. Hasil pengujian memperoleh rata-rata accuracy sebesar 93,20%, precision sebesar 90,97%, recall sebesar 95,71%, dan F1-score sebesar 92,96%. Kondisi ekonomi menjadi atribut paling dominan dengan nilai kepentingan sebesar 67,33%. Model menghasilkan aturan keputusan yang dapat diinterpretasikan sebagai rekomendasi awal bagi pengurus. Namun, rekomendasi model tidak menggantikan keputusan akhir pengurus dalam menentukan penerima bantuan.
Sistem E-commerce Terintegrasi Customer Relationship Management (CRM) pada Toko Samber Redjeki Surakarta Maria Rosario; Aprilisa Arum Sari; Dwi Hartanti
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Toko Samber Redjeki merupakan usaha ritel yang menjual berbagai produk Fast Moving Consumer Goods (FMCG), perlengkapan rumah, produk perawatan kulit, dan busana. Strategi penjualan toko masih bergantung pada marketplace pihak ketiga sehingga menimbulkan biaya administrasi lebih dari 10% per transaksi dan membatasi pengelolaan data pelanggan untuk mendukung pemasaran. Penelitian ini bertujuan merancang dan membangun sistem informasi E-commerce mandiri berbasis web yang terintegrasi dengan Customer Relationship Management (CRM). Pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka, sedangkan pengembangan sistem menggunakan metode System Development Life Cycle (SDLC) model Iteratif dengan PHP, MySQL, Laravel Framework, dan Tailwind CSS. Pengujian sistem dilakukan menggunakan Blackbox Testing dan User Acceptance Testing (UAT). Hasil penelitian menunjukkan sistem mampu mendukung pengelolaan penjualan secara mandiri sehingga mengurangi ketergantungan pada marketplace pihak ketiga. Implementasi CRM difokuskan pada tingkat operasional melalui pemanfaatan data Wishlist sebagai dasar pencatatan preferensi pelanggan (customer preference tracking) dan pengiriman promosi melalui integrasi WhatsApp. Seluruh fungsi sistem berjalan dengan baik, sedangkan pengujian UAT terhadap 12 pengguna memperoleh tingkat penerimaan sebesar 92,35% pada lingkungan implementasi penelitian.
Implementation of the Certainty Factor Method in an Expert System for Diagnosing Nervous System Diseases Aldio Tri Bangkit Sanjaya; Dwi Hartanti; Ridwan Dwi Irawan
International Journal Software Engineering and Computer Science (IJSECS) Vol. 6 No. 2 (2026): AUGUST 2026
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA), Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v6i2.7658

Abstract

Neurological disorders present diagnostic challenges because of overlapping symptoms and limited access to specialist services in some healthcare settings. This study develops and evaluates a web-based expert system for supporting the preliminary diagnosis of five conditions—Stroke, Vertigo, Migraine, Low Back Pain, and Arthritis—using the Certainty Factor (CF) method. The CF approach incorporates Measure of Belief (MB) and Measure of Disbelief (MD) to represent uncertainty in the relationship between symptoms and diseases. The study adopts a design and development research (DDR) approach, with system development supported by an expert system development life cycle. The diagnostic performance was evaluated using 12 test cases, with the system results compared with assessments from an expert neurologist. The system correctly matched the expert assessment in 11 of 12 cases, resulting in a diagnostic agreement rate of 91.67%. One mismatch occurred in Case 2, in which the system identified Vertigo while the expert assessment indicated early-stage Stroke, reflecting the difficulty of distinguishing conditions with overlapping symptoms using the defined rules. Black-box testing showed that all tested functional scenarios passed, resulting in a 100% functional test pass rate. The developed system can support preliminary neurological disease identification by providing diagnosis results accompanied by Certainty Factor values.
Implementation Of Content-Based Filtering For a Cat Food Recommendation System Amanda Putri Setiawan; Dwi Hartanti; Pramono Pramono
Journal of Artificial Intelligence and Software Engineering Vol 6, No 2 (2026): Juni (OnProgress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v6i2.9305

Abstract

This research discusses the implementation of the Content-Based Filtering method in a cat food recommendation system. The problem in this research is motivated by the difficulty of cat owners and pet shops in determining appropriate food, because there are many variations of products that differ in cat age, type of food, brand, price, composition, nutritional content, and product characteristics. This research was conducted to create a recommendation system that can help users in determining the appropriate cat food choice, by looking at product characteristics and specific needs of cats. This research utilizes the Content-Based Filtering method to analyze and recommend products, through the stages of data collection, data preprocessing, attribute weighting using Term Frequency-Inverse Document Frequency, and similarity calculation using Cosine Similarity. The research data was obtained through observation, interviews, literature study, and documentation of cat food products. The results show that the system built can help users determine cat food based on the suitability between user criteria, cat needs, and product characteristics. This system can also facilitate users in obtaining information and appropriate cat food choices. Based on this, the Content-Based Filtering method is considered effective to be applied in a recommendation system, to assist the cat food selection process in a more structured and efficient manner.
Product Stock Supply Analysis System with FP Growth Algorithm Dwi Hartanti; Vihi Atina
Journal of Information System and Informatics Vol 5 No 4 (2023): Journal of Information Systems and Informatics
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v5i4.580

Abstract

This study explores the application of Data Mining in deciphering consumer purchasing patterns at Tani Heritage Shop, a retailer specializing in agricultural products. Facing the challenge of managing a high volume of daily sales transactions, the shop often encounters difficulties in tracking which products are frequently purchased together. This lack of insight leads to a critical issue: popular products running out of stock unexpectedly. To address this, the research focuses on developing a product stock supply analysis system, utilizing the FP Growth Algorithm. The FP Growth Algorithm, a powerful tool in Data Mining, is employed to analyze sales transaction data and identify consumer purchasing trends, particularly products bought simultaneously. This approach is designed to provide insights into optimal stocking strategies, ensuring the availability of in-demand products. The research methodology involves applying the FP Growth Algorithm to model the product stock supply system, using specific sales data attributes. The results of this study are significant. By setting parameters such as a minimum support value of 30%, a confidence value of 70%, and targeting the highest lift ratio value of 3.67, the research successfully derives several key association rules from the FP Growth algorithm. These rules are instrumental in optimizing the product stock supply analysis system.
Enhancing Sales Performance through ARIMA-Based Predictive Modeling: Insights and Applications Model Dwi Hartanti; Hanifah Permatasari
Journal of Information System and Informatics Vol 6 No 3 (2024): September
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v6i3.816

Abstract

Gociko Snack, a Micro, Small, and Medium Enterprise (MSME), often faces significant challenges in managing its inventory due to the unpredictable nature of market demand. Accurate sales forecasting is crucial for Gociko Snack to optimize stock levels, reduce storage costs, and avoid out-of-stock or overstock situations. Traditional methods of sales prediction are often unable to cope with the dynamic and complex market environment in which Gociko Snack operates. in solving the case This research uses the ARIMA (AutoRegressive Integrated Moving Average) model for forecasting and application modeling using the CodeIgniter framework in a structured Waterfall system development methodology. Through rigorous testing and evaluation, the Mean Absolute Percentage Error (MAPE) was set at 9.18, which shows the effectiveness of the application in predicting sales trends with a high success rate. This research contributes valuable knowledge and practical solutions to empower businesses to navigate and utilize data-driven decision making for long-term success and resilience.
Implementasi Sistem Prediksi Pemesanan Stok Barang Menggunakan Algoritma SARIMA dan Reorder Point: Studi Kasus Di Devie`S Print Copy Center & Digital Printing Ajeng Ayu Arumsari; Dwi Hartanti; Intan Oktaviani
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 4 No. 1 (2025): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v4i1.2900

Abstract

Manajemen stok yang tepat menjadi kunci utama dalam industri digital printing untuk menghindari gangguan operasional akibat kekurangan atau kelebihan persediaan. Devie's Print Copy Center & Digital Printing menghadapi tantangan dalam menentukan jumlah dan waktu pemesanan stok secara akurat, terutama karena adanya fluktuasi permintaan musiman dan waktu tunggu pengadaan barang. Penelitian ini bertujuan untuk mengembangkan sistem prediksi kebutuhan stok berbasis algoritma Seasonal Autoregressive Integrated Moving Average (SARIMA) yang dikombinasikan dengan metode Reorder Point (ROP) dan Safety Stock. Data penjualan historis dari Januari 2021 hingga April 2025 dianalisis dengan mempertimbangkan peningkatan permintaan musiman pada bulan Juni dan Desember. Proses peramalan menggunakan SARIMA menghasilkan model terbaik dengan parameter (0, 1, 0)(0, 0, 2, 12) dan nilai Root Mean Square Error (RMSE) sebesar 1174,81. Sistem prediksi yang dikembangkan dalam bentuk aplikasi web ini dilengkapi dengan dashboard interaktif yang memberikan notifikasi otomatis saat stok melewati batas ROP, beserta rekomendasi jumlah pemesanan minimum. Hasil peramalan menunjukkan bahwa model SARIMA mampu memprediksi kebutuhan stok dengan akurasi yang baik, sehingga sistem ini dapat membantu meningkatkan efektivitas pengelolaan stok dan mendukung kelangsungan operasional bisnis digital printing secara lebih optimal.
Pemodelan Prediksi Penjualan Dengan Algoritma SARIMA Untuk Perencanaan Stok Pupuk pada Umkm Pupuk Organik Adibio Intan Febiana Ovianti; Dwi Hartanti; Mira Erlinawati
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 4 No. 1 (2025): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v4i1.3030

Abstract

Pemupukan merupakan salah satu strategi penting dalam meningkatkan hasil panen, terutama di sektor pertanian yang sangat bergantung pada kualitas dan ketersediaan pupuk. UMKM Pupuk Organik Adibio hadir sebagai solusi dengan menyediakan pupuk organik dan anorganik berkualitas bagi para petani. Berdasarkan analisis data penjualan, diketahui bahwa penjualan pupuk di Toko Pupuk Organik Adibio memiliki pola musiman yang cukup kuat, ditandai dengan lonjakan permintaan pada bulan-bulan tertentu yang bertepatan dengan musim tanam atau panen. Dalam menghadapi tantangan ini, pemilihan metode peramalan yang tepat sangat diperlukan. Metode ARIMA standar tidak cukup efektif karena tidak mempertimbangkan komponen musiman. Oleh karena itu, digunakan metode SARIMA (Seasonal ARIMA) yang mampu menangkap fluktuasi musiman dan trend jangka panjang secara lebih akurat. Penerapan SARIMA memungkinkan toko untuk merencanakan persediaan pupuk dengan lebih baik, meminimalkan risiko kelebihan atau kekurangan stok, serta meningkatkan efisiensi operasional. Selain itu, penggunaan model prediksi seperti SARIMA juga merupakan bagian dari upaya digitalisasi dalam pengelolaan UMKM. Dengan data yang dianalisis secara sistematis, pengambilan keputusan menjadi lebih tepat sasaran, yang pada akhirnya berdampak positif terhadap peningkatan layanan dan kepuasan pelanggan. Pendekatan ini menjadi langkah strategis bagi UMKM dalam menghadapi dinamika pasar dan memperkuat daya saing di era digital.
Co-Authors Adi Tiyas Ahmad Fathoni Aditya Bagaskara Afu Ichan Pradana Afu Ichsan Pradana Agustina Purwatiningsih Agustina Srirahayu Ahmad Wahyu Saputra, Nur Ajeng Ayu Arumsari Aldio Tri Bangkit Sanjaya Alfito Muhammad Fernanda Alvian Ahmada Akhbar Amanda Putri Setiawan Ananta, Kevin Yoga Anbirama Auberta Anggi Prabata Andy Ariyanto Anisatul Farida Anjar Setiawan Aprilisa Arum Sari Aprilisa Arum Sari Aprilisa Arum Sari, S.T, M.Kom Ardhi Tiya Setiawan Arif Wicaksono Septyanto Asa Dilla Safitri Atik Sulami Avianto Adi Pratama Azizah, Shelvi Bagas Muttaqi Bagaskara, Mochammad Naufal Bagus Adi Nugroho Bagus Erwanto Bagus Irfanzah Arda Nugraha Bayu Tri Pramono Bondan Wahyu Pamekas Da Costa, Alexandre Daffa Rizki Putra Noordi Dika Adi Pratama Divangga Revansa Arya Pradhana Dwi Handayani Dwi Kurniawan Saputro Dyah Aprimavista Cahyani Dyah Purwaningsih Eka Wijanarka Satata Putra Eko Purwanto Enggar Wijaya Putra Erlina Kumala Kusumawati Ester Anugrayningtyas Fadia Aulia Azizah Fajar Suryani Fany Lestari FAULINDA ELY NASTITI Firdausi, Annisaa' Alam Fitroh Ahmad Abdul Aziz hanif, abdurrohman Hanifah Permatasari Hasanah, Herliyani Hasda Surya Putra Hasim Azari Hilmi Putra Andriano, Muhammad Hiskia Kus Setiawan ibnu - salifi Ilham Tristadika Saputra Indah Nofikasari Indah, Ratna Puspita Intan Febiana Ovianti Intan Oktaviani Iqbal Hanan Junaidi Irawan, Ridwan Dwi Irfan Agus Prastowo Jamilatun Safitri Jihan Amirah Munif Juantino Brata Astungkara Kevien Ollyvie Jolanda Kevin Yoga Ananta Khumaira Anin Aliya Pahlevi Kurnia Sari, Vena Leny Monica Lidia Earlene Rendhiva Lola Sekar Arum M Ainur Syawaludin Maria Rosario Marobo Maskhul Ryan Ibrahim Matin Muhith Maulana Az Zahra Yusuf Maulindar, Joni Meraldy Fiko Rastio Ajie Mira Erlinawati Moh. Muhtarom Muflih Taqiuddin Muhamad Daivany Nur Auilya Saleh Muhammad Arizal Yusuf Hermawan Muhammad Nur Ikhsanuddin Nadia Amalia Putri Nanang Setiawan Neha Poetri Setiawati Nibras Faiq Muhammad Nur Cahyo Nugroho Nurchim Nurkhalis, Danang Otto Santoso Putro Permatasari, Hanifah Praba Milantino A.R.K Pramono Pramudya Aziz Wisnuadi Pria Nur Islam Puput Dwi Mandiri Raditya Koesyan Dipo Pramukti Rifqi Firdausi Arafad Rizki Hendra Kusuma Robi Wariyanto Abdullah Rukmini, Siti Sandy Yustisio Oktaviandra Saputro, Khoirul Adi Saputro Setiawan, Jodi Apri Shelvi Azizah Silva, Adão Manuel da Sopingi Sopingi Sopingi, Sopingi Sri Lestari Sundari Sundari Syahrul Azhar Faisal Syahrul Rofiq Abdillah Fadli Taufiq Nur Arifin Tri Djoko Santosa Ulhaq, Ahmad Dia Ummi Kultsum Verdiyanto, Ricky Vihi Atina Vincentius Anggarda P.M Wahyu Adi Pratama Wildan Setiawan Wupiwulang Tanwal Hu Yasinta istiqomah Yogi Putra Auditama Yuda Abi Bagaskara Zariel Ardian Ekovih