Article Per Year (5 Year)
p-Index From 2021 - 2026
3.691
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JETT (Jurnal Elektro dan Telekomunikasi Terapan) IT JOURNAL RESEARCH AND DEVELOPMENT TECHNO-SOCIO EKONOMIKA Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Applied Science eProceedings of Engineering Jurnal Rekayasa elektrika Jurnal INFOTEL
Suci Aulia
Telkom Univeristy
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences Other

Published : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Klasifikasi Kualitas Kerupuk Udang Sidoarjo Berdasarkan Metode Segmentasi Warna Watersheds Dan K Nearest Neighbor (K-NN) Erty Kasdiantika; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Kerupuk udang adalah kerupuk yang terbuat dari adonan tepung tapioka dan udang yang ditumbuk halus yang diberi bumbu rempah dan penambah rasa. Kerupuk udang merupakan salah satu kerupuk yang banyak digemari oleh masyarakat karena rasanya yang enak. Namun, banyak konsumen yang kurang bisa membedakan antara kerupuk udang kualitas bagus,  sedang, dan jelek.  Proses klasifikasi kualitas kerupuk udang dengan menggunakan metode segmentasi warna Watersheds dan K Nearest Neighbor. . Segmentasi warna Watersheds dilakukan untuk mengelompokkan tingakat warna yang ada pada citra kerupuk udang berdasarkan ketajaman gradasi warnanya. K Nearest Neighbor merupakan proses pengklasifikasian terhadap suatu objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut (tetangga terdekat). dihasilkan citra kerupuk udang kualitas 1 memiliki nilai >4500 piksel. Sedangkan citra kerupuk udang kualitas 2 memiliki  nilai >2400 piksel dan kerupuk udang kualitas 3 memiliki r nilai <2400 piksel. Hasil tersebut diperoleh dengan menghitung jumlah luasan macam warna. Hasil pengujian sistem didapatkan nilai akurasi sebesar 98.3% . Kata kunci: Citra Kerupuk Udang, Segmentasi, Watersheds, K Nearest Neighbor (K-NN)
Pengklasifikasian Tinggi Dan Berat Badan Manusia Berdasarkan Citra Telapak Kaki Dengan Metode Gabor Wavelet Dan Knn Berbasis Android Ryan Bagus Wicaksana; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Tinggi dan berat badan merupakan salah satu parameter untuk mengidentifikasi seseorang, terlebih lagi bagi seorang forensik. Untuk mengidentifikasi tinggi dan berat badan biasanya dilakukan secara manual, selain dengan cara manual menggunakan alat pengukur tinggi badan dan penimbang berat badan juga dapat menggunakan informasi yang terkait dengan telapak kaki, mungkin hal tersebut dapat digunakan untuk forensik. Hubungan antara tinggi badan dan panjang telapak kaki dapat dinyatakan dalam koefisien korelasi (r). Begitu pula hubungannya dengan berat badan. Maka di implementasikan sistem pengukur tinggi badan dan berat badan manusia melalui telapak kaki berbasis Android. Identifikasi telapak kaki untuk estimasi tinggi dan berat badan ini pertama-tama melakukan penelitian mengenai telapak kaki, tinggi badan dan berat badan. Kemudian dilakukan pengambilan beberapa sampel. Dari hasil penelitian tersebut kemudian di analisa dan diimplementasikan dalam aplikasi Android dengan masukkan berupa gambar cap telapak kaki. Metode yang digunakan dalam pengerjaan tugas akhir ini yaitu Gabor Wavelet dan dengan pengklasifikasian KNN. Dibandingkan dengan tugas akhir sebelumnya dengan topik mengetahui tinggi badan menggunakan cap telapak kaki dan menghasilkan akurasi 73,33% serta waktu komputasi 5,99 detik. Tugas akhir ini mengembangkan topik tersebut, yaitu mengidentifikasi estimasi tinggi dan berat badan manusia menggunakan cap telapak kaki. Serta dapat mengkategorikan tingkat ideal tubuh sesuai dengan Indeks Masa tubuh (IMT) dengan akurasi sebesar 75% dan waktu komputasi 8,92 detik. Maka dari itu, akurasi dari tugas akhir ini lebih baik dari sebelumnya. Kata Kunci : Telapak Kaki, Tinggi Badan, Berat Badan, Gabor Wavelet, K-Nearest Neighbor (K-NN)
Analisis Dan Implementasi Sistem Pengenalan Wajah Pada Video Di Ruangan Menggunakan Metode Independent Component Analysis (Ica) Dan Non-Negative Matrix Factorization With Sparseness Constraints (Nmfsc) Eka Kusumawardhani; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Face recognition atau pengenalan wajah manusia merupakan salah satu bidang penelitian yang penting dan sudah lama menjadi perhatian para peneliti. Banyak sekali sistem aplikasi dan metode pengenalan wajah yang telah dikembangkan saat ini, contohnya adalah metode Independent Component Analysis (ICA) dan Non-negative Matriks Factorization with sparseness contraints (NMFsc). Pada penelitian sebelumnya metode ICA dan NMFsc telah diterapkan dalam sistem pengenalan wajah pada citra digital dengan hasil tingkat akurasi yang cukup tinggi yaitu 94% untuk metode ICA sedangkan untuk metode NMFsc adalah 96.1%. Sedangkan pada tugas akhir ini metode ICA dan NMFsc diterapkan dalam sistem pengenalan wajah pada video dan akan dilihat bagaimana tingkat akurasi dan waktu komputasi dari kedua metode tersebut. Tingkat akurasi dari kedua metode akan dilihat dari hasil simulasi program pengenalan wajah menggunakan bahasa pemrograman Matlab. Hasil pengujian sistem secara keseluruhan menunjukan bahwa Metode NMFsc memiliki nilai akurasi tertinggi yaitu 92.5% dengan waktu komputasi 166.8026s pada kondisi kamera disebelah kiri sedangkan ICA 84.25% dengan waktu komputasi 51.7315s pada kondisi kamera disebelah kiri. Kata Kunci : Face Recognition, Independent Component Analysis (ICA), Non-negative Matrix Factorization with sparseness contraints (NMFsc)
Analisis Dan Perancangan Aplikasi Penerjemah Aksara Jawa Menggunakan Metode Backpropagation Ardyandrea Erstya Surya; Ratri Dwi Atmaja; Suci Aulia
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Teknologi yang berkembang pesat berpengaruh terhadap kesadaran masyarakat pada warisan budaya. Banyak masyarakat yang telah melupakan budaya yang ada, salah satunya adalah aksara nusantara. Pada tugas akhir sebelumnya membahas tentang pengenal aksara sunda menggunakan metode Learning Vector Quantization (LVQ) pada android dengan tingkat akurasi 60.90%. Pada tugas akhir lainnya tentang aksara jawa menggunakan metode Self-Organizing Map (SOM) pada matlab dengan tingkat akurasi 96.25% dengan waktu komputasi 7.9 detik. Dari tugas akhir diatas, maka pada tugas akhir ini dirancang sebuah aplikasi pengenal aksara jawa berbasis android. Pada tugas akhir ini input aksara jawa diambil menggunakan kamera android, lalu diproses pada software MATLAB. Parameter-parameter yang digunakan antara lain jenis deteksi tepi antara lain Canny, Sobel, Prewitt, dan Robert, serta jenis ektraksi ciri antara lain Sum, DCT, DWT, dan DFT. Sedangkan metode klasifikasi yang digunakan adalah JST backpropagation. Keluaran dari aplikasi ini berupa tulisan bahasa Indonesia. Untuk menilai akurasi aplikasi ini dilakukan pengujian pada parameter-parameter pada JST backpropagation yang digunakan. Dari pengujian yang telah dilakukan dapat disimpulkan bahwa akurasi terbaik adalah 80 % dengan parameter jumlah data latih 40 data, deteksi tepi Sobel, ekstraksi ciri DCT, jumlah hidden layers sebanyak 120 layer, learning rate 0.01, fungsi aktivasi yang digunakan purelin, dan algoritma training menggunakan trainrp. Katakunci : Aksara Jawa, pengolahan citra, android, MATLAB, ekstraksi ciri, dan Backpropagation.
Perancangan Simulasi Gaya Berjalan Untuk Sekolah Model Menggunakan Metode Discrete Wavelet Transform (dwt) Dan Learning Vector Quantization (lvq) Diovani Estidia Akbar; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Modeling merupakan sebuah aktivitas di bidang kesenian yang banyak melibatkan gaya berjalan. Bidang seni ini memiliki teori dalam berjalan sehingga akan menciptakan keteraturan dalam berjalan dibandingkan dengan gaya berjalan orang umum. Keteraturan cara berjalan model yang khas ini dijadikan sebuah parameter pada sistem yang berbasis pengolahan citra pada video untuk mengukur ketepatan cara berjalan seorang model di atas catwalk. Pada tugas akhir ini, telah dirancang sebuah simulasi penilaian kualitas cara berjalan untuk sekolah modeling. Sistem ini menggunakan metode identifikasi DWT (Discrete Wavelet Transform) dan LVQ (Learning Vector Quantization) yang berguna untuk merancang skenario analisis video atau citra sehingga dapat mendeteksi gerak tubuh manusia dan mengambil kesimpulan karakteristik gerakan dari gaya berjalan seorang model. Simulasi ini dibuat dengan tujuan agar sekolah model tersebut dapat memberi penilaian terhadap cara berjalan seseorang tanpa harus memberi contoh secara langsung bagaimana cara berjalan ala model yang baik dan benar. Sistem tersebut mempunyai performansi dengan tingkat akurasi sebesar 81,8182% yang didapat pada level dekomposisi yaitu level 2 dan pada subband LL dengan menggunakan 14 sampel data latih dan 11 data uji. Performansi sistem yang dicapai adalah agar sistem dapat mengidentifikasi gaya berjalan dengan tingkat akurasi optimal dan mampu memberikan informasi seberapa tepat cara berjalan individu tersebut. Kata Kunci : catwalk, modeling, subband, DWT, LVQ. Abstract Modeling is an activity in the field of art that involves a lot of walking style. This field of art has a theory in walking so it will create regularity in walking compared to the common person's walk. The regularity of this typical model walk is used as a parameter on image-based processing systems on video to measure the accuracy of a model walk on a catwalk. In this final project, we will design an accurate assessment tool for walking modeling school. The system uses DWT (Discrete Wavelet Transform) and LVQ (Learning Vector Quantization) which is useful for designing video or image analysis scenarios so that it can detect human body motion and draw conclusions on the movement characteristics of a model's gait. This simulation is made with the aim that school model can give an assessment of how to walk a person without having to give a direct example of how to walk the style of a good model and true. The system has a performance with an accuracy of 81.8182% obtained at the level of decomposition that is level 2 and the subband LL using 14 samples of training data and 11 test data. Performance of the system is achieved so that the system can identify the gait with the optimal accuracy and able to provide information how exactly the individual walk. Keywords: catwalk, modeling, subband, DWT, LVQ.
Analisis Dan Perancangan Pengenalan Pola Huruf Jepang (hiragana) Menggunakan Metode Selforganizing Map (som) Arif Setiawan; Ratri Dwi Atmaja; Suci Aulia
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pada tugas akhir sebelumnya telah dibahas pola pengenal huruf jepang dengan metode Learning Vector Quantization(LVQ) dengan tingkat akurasi 43.913%.Dengan menggunakan metode tersebut pola dapat dikenali namun tingkat akurasi masih bisa di tingkatkan Dari penelitian sebelumnya maka pada tugas akhir ini dirancang sebuah pengenal pola huruf jepang menggunakan metode jaringan syaraf tiruan self organizing map untuk melihat hasil perbandingan antara metode sebelumnya yang digunakan. Pada Tugas akhir ini masukan yang digunakan berupa karakter huruf jepang yang di tulis oleh responden yang ahli dalam penulisan karakter huruf jepang dan di ambil menggunakan kamera lalu di proses menggunakan matlab dengan menggunakan metode klasifikasi jaringan syaraf tiruan. Untuk proses pengujiannya yaitu dengan menggunakan data uji oleh responden yang mengerti atau baru belajar penulisan karakter huruf jepang Hasil dari pengujian dan analisis diperoleh hasil bahwa ekstraksi ciri berpengaruh besar dalam menentukan hasil akurasi dibandingkan dengan parameter pada jaringan syaraf tiruan. Pada pengujian ekstraksi ciri segmentasi memiliki tingkat akurasi terbaik sebesar 91.3034 % dibandingkan dengan ekstraksi ciri dct dengan akurasi terbaik sebesar 67.3913 % .Untuk pengujian sistem ditambahkan noise untuk melihat tingkat akurasinya. Kata kunci: Huruf Jepang,Thresholding ,Jaringan Syaraf Tiruan(JST).
Analisis Dan Implementasi Sistem Pengenalan Wajah Dengan Menggunakan Metode Lnmf Dan Lpp Pada Ruang Terbuka Khairunnisa Alfiyanti Suharja; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Metode pengolahan video saat ini semakin banyak dikembangkan oleh para engineer. Salah satunya untuk aplikasi sistem monitoring kejahatan. Seperti yang kita ketahui kejahatan semakin marak terjadi di berbagai tempat. Oleh karena itu dibuat sistem yang dapat mendeteksi dan mengenali wajah dengan memanfaatkan pengolahan sinyal digital yang mendukung untuk pemantauan suatu tempat .Pada tugas akhir ini dibuat suatu aplikasi yang dapat mendeteksi dan mengenali wajah seseorang dari masukan sebuah Preserving Projections (LPP). Metode LNMF menggunakan non – negative constrains yaiu memfaktorisasi suatu matriks menjadi dua buah matriks lainnya yang tidak mengandung nilai negative. Sedangkan LPP merupakan metode pemetaan proyeksi linear yang mampu menyelesaikan permasalahan yang bervariasi dengan optimal memelihara struktur ketetanggaan dari kumpulan data. Kemudian untuk pengenalan citra ini juga menggunakan pendekatan linear dari suatu database yang telah diajukan sehingga dapat mencocokan wajah yang diinputkan dengan database yang tersedia. Dengan menggunakan kedua metode tersebut maka didapat hasil suatu gambar wajah yang sudah dikenali sesuai dengan input yang diberikan dengan akurasi 70 %. Kata kunci : Face detection, Face Recognition, Local Nonnegative Matrix Factorization, Locality Preserving Projections
Pengklasifikasian Tinggi Dan Berat Badan Manusia Berdasarkan Citra Telapak Kaki Dengan Metode Discrete Cosine Transform (dct) Dan Nearest Neighbor (nn) Berbasis Android Muhammad Rafki; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Tinggi dan berat badan merupakan salah satu parameter untuk mengidentifikasi seseorang. Untuk mengidentifikasi tinggi dan berat badan biasanya dilakukan secara manual, selain dengan cara manual menggunakan alat pengukur tinggi badan dan penimbang berat badan juga dapat menggunakan informasi yang terkait dengan telapak kaki. Maka di implementasikan sistem pengukur tinggi badan dan berat badan manusia melalui telapak kaki berbasis Android.Dalam Tugas Akhir ini penulis membahas bagaimana cara mengestimasi tinggi dan berat badan dari citra telapak kaki. Terdapat beberapa metode yang dapat digunakan untuk mengestimasi tinggi dan berat badan. Pada Tugas Akhir ini penulis menggunakan metode Discrete Cosine Transform (DCT), Histogram Equalization, Otsu Thresholding dan dengan klasifikasi Nearest Neighbor (NN) yang diawali dengan proses prepocessing yang terdiri dari konversi citra ke grayscale, Histogram Equalization, Otsu Thresholding , dan konversi gambar ke black and white.Hasil penelitian Tugas Akhir ini didapatkan nilai akurasi deteksi tinggi badan terbaik adalah 87,50% pada citra 1500x1060 dan waktu komputasi tercepat 2,87 detik pada citra 800x566 dan rata-rata nilai akurasi deteksi berat badan adalah 87,06%.Kata Kunci: Telapak Kaki, Tinggi Badan, Berat Badan, Discrete Cosine Transform (DCT), Nearest Neighbor (NN).
Deteksi Dan Klasifikasi Tingkat Keparahan Retinopati Diabetes Dengan Menggunakan Metode Klasifikasi K - Nearest Neighbor Yafis Sukma Kurniawan; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Retinopati diabetes merupakan kerusakan yang terjadi pada mata akibat dari penyakit dibetes mellitus yang menahun. Tingginya kadar glukosa dalam darah adalah penyebab pembuluh darah kapiler kecil menjadi pecah dan dapat  menyebabkan kebutaan. Menurut artikel pada harian online kompas terbitan 15/08/08, diestimasi bahwa jumlah penderita diabetes yang semula berjumlah 117 juta pada tahun 2000 akan meningkat mennjadi 366 juta di tahun 2030[4]. Pada harian online itu juga dikabarkan bahwa di asia, diabetes akan menjadi “epidemi” dikarenakan pola makan orang Asia yang berkarbohidrat juga berlemak tinggi dan itu semua tidak diimbangi dengan olahraga yang baik. Dengan naiknya jumlah penderita diabetes maka akan berbanding lurus dengan naiknya  jumlah penderita retinopati diabetes.  Pada tugas akhir  sebelumnya telah dibuat  sistem yang  dapat mendeteksi dan mengklasifikasikan penyakit retinopati diabetes dengan akurasi sebesar 67,86%[9]. Pada tugas akhir kali ini dibuat perangkat lunak yang dapat mendeteksi dan mengklasifikasi tingkat keparahan retinopati diabetes dengan menggunakan transformasi curvelet  dan metode klasifikasi K – Nearest  Neighbor (KNN). Sistem ini dapat menggolongkan tingkat keparahan retinopati diabetes tipe non proliferative kedalam empat tingkatan, yaitu non diabetic retinopathy, mild, moderate, dan severe. Dari hasil analisis dan pengujian yang dilakukan pada sistem ini, didapatkan tingkat akurasi sebesar 65%. Kata kunci : Retinopati diabetes, Curvelet, K – Nearest Neighbor.
Perancangan Dan Analisis Sistem Pengenalan Kata Aksara Sunda Menggunakan Metode Learning Vektor Quantization Berbasis Pengolahan Citra Adri Achmad Farhan; Ratri Dwi Atmaja; Suci Aulia
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Aksara Sunda Merupakan salah satu sejarah di Indonesia dalam hal aksara atau penulisan. Aksara sunda Aksara Sunda berjumlah 32 buah. Terdiri atas 7 aksara vokal atau aksara swara dan 23 aksara konsonan atau aksara ngalagena. Pengenalan bahasa merupakan salah satu elemen penting dari sebuah komunikasi, terlebih lagi huruf atau tulisan tangan. Kedua hal tersebut merupakan salah satu bidang pengenalan pola yang telah memberikan kontribusi yang cukup besar bagi kemajuan perkembangan suatu teknologi. Penelitian ini merancang sistem yang dapat mendeteksi atau mengenali aksara sunda berbasis pengolahan citra, menggunakan metode Learning Vector Quantization (LVQ). pada penelitian kali ini menggunakan ekstraksi ciri yang digunakan adalah penjumlahan biner (horizontal dan vertical), DCT, dan DFT. Hasil dari pengujian pada 30 kata aksara sunda terhapat 4 ekstrasi ciri yang diujikan yaitu didapatkan bahwa tingkat akurasi tertinggi sebesar 83.33% pada ekstrasi ciri DCT, sedangkan pada ekstrasi ciri Penjumahan Vertikal didapatkan akurasi sebesar 76.67%, lalu sebesar 73.33% pada ekstrasi ciri Penjumahan horizontal, dan pada ekstrasi ciri DFT didapatkan akurasi sebesar 60%. Kata Kunci: Aksara Sunda, Pengolahan Citra, Thresholding, Learning Vector Quantization (LVQ).
Co-Authors Aaron Abel Abraham Caesar Yanuar Putra Adri Achmad Farhan Agus Gunarso Alvinas Deva Sih Illahi Amri Khurniawan Anatasya Bella Andik Wijanarko Angga Rusdinar Ardyandrea Erstya Surya Arif Setiawan Arif Setiawan Asep Mulyana ATIK NOVIANTI Aulya Ellanda Bagus Budhi L. Bambang Hidayat Bayuaji Kurniadhani Burhanuddin Burhanuddin Burhanuddin D. Dadan Nur Ramadan Dadan Nur Ramadhan Della Oktriani Denny Darlis Didin Yulian Dimitri Mahayana Diovani Estidia Akbar Efri Suhartono Erizka Banuwati Candrasari Erty Kasdiantika Fony Ferliana Widianingrum Galuh Laksmita Ranggi Gelar Budiman Grislend Gloria Natalies Hafiddudin Hafiddudin Hafiidh As Syahidulhaq Hafiz Adriansyah Handoko Supeno Hengki Setiadi Indrarini Dyah Irawati Inung Wijayanto Jean Pierre Uwiringiyimana Khairunnisa Alfiyanti Suharja Kusumawardhani, Eka Ledya Novamizanti M. Dyovan Uidy Okta Meidi Mahendra Rahmatullah Melina Melina Muhammad Arly Gunawan Muhammad Biyan Priatama Muhammad Obi Nugraha Muhammad Obi Nugraha Muhammad Panji Kusuma Praja Muhammad Rafki Nur Ramadhani Raditiana Patmasari Rahmat Sopian Rajali Ginting Ratri Dwi Atmaja Raymond Y. Purba Reivind P. Persada Restu Wardani Rita Magdalena Rita Purnamasari Rizky Edi Saputra Rudy Gunawan Ryan Bagus Wicaksana Ryan Bagus Wicaksono Sri Dewi Sartika Sugondo Hadiyoso Syahban Rangkuti Thoriq Dharmawan Viona Apryaleva Yafis Sukma Kurniawan YULI SUN HARIYANI Yuyun Siti R. YUYUN SITI ROHMAH