Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

8.717

P-Index

This Author published in this journals

All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Informatika Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Jurnal Teknik ITS IPTEK Journal of Science IPTEK Journal of Proceedings Series IPTEK The Journal for Technology and Science Techno.Com: Jurnal Teknologi Informasi MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal Buana Informatika TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Ilmiah Mikrotek Jurnal Simantec Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) International Journal of Advances in Intelligent Informatics Scientific Journal of Informatics Journal of Information Systems Engineering and Business Intelligence Register: Jurnal Ilmiah Teknologi Sistem Informasi EMITTER International Journal of Engineering Technology Jurnal Inspiration Briliant: Jurnal Riset dan Konseptual Journal of Development Research Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research Inform : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi INTEGER: Journal of Information Technology Seminar Nasional Teknologi Informasi Komunikasi dan Industri JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal ULTIMATICS Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) CCIT (Creative Communication and Innovative Technology) Journal SPIRIT Progresif: Jurnal Ilmiah Komputer ILKOMNIKA: Journal of Computer Science and Applied Informatics Indonesian Journal of Electrical Engineering and Computer Science Journal of Intelligent Computing and Health Informatics (JICHI) Jurnal Teknik Informatika (JUTIF) Journal of Technology and Informatics (JoTI) Melek IT: Information Technology Journal Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal Research of Social Science, Economics, and Management Sewagati RESLAJ: Religion Education Social Laa Roiba Journal Jurnal Indonesia : Manajemen Informatika dan Komunikasi

Chastine Fatichah

Departemen Teknik Informatika Institut Teknologi Sepuluh Nopember Surabaya

Author-ID : 264382

Religion Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Other

Published : 150 Documents Claim Missing Document

Claim Missing Document

Articles

7 8 9 10 11

IMPLEMENTASI FITUR GEOMETRI DAN K-MEANS PADA PERHITUNGAN DAN SEGMENTASI SEL DARAH MERAH BERTUMPUK Faried Effendy; Chastine Fatichah; Diana Purwitasari
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 9, No 3 (2014): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Segmentasi terhadap sel darah merah bertumpuk bertujuan untuk meningkatkan akurasi perhitungan sel darah merah. Tujuan penelitian ini adalah untukmensegmentasi sel darah merah bertumpuk menggunakan morfologi, fitur geometri dan k-means. Morfologi digunakan untuk preprocessing yakni memisahkan sel darah merah dengan backgroundyang tidak diperlukan seperti sel darah putih dan platelet, fitur geometri berupa eksentrisitas dan luasan digunakan sebagai pendeteksi sel darah merah bertumpuk, sedangkan proses segmentasi dilakukan oleh k-means. Akurasi hasil segmentasi dari metode yang diusulkan mencapai 96,31%, sedangkan error perhitungan sel darah merah setelah dilakukan segmentasi berkisar 2,43%.

Cross-Domain Topic Learning Berbasis Frase untuk Pemodelan Topik pada Rekomendasi Kolaborasi Penelitian Vit Zuraida; Diana Purwitasari; Chastine Fatichah
INTEGER: Journal of Information Technology Vol 3, No 2 (2018)
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2018.v3i2.255

Rekomendasi kolaborasi penelitian antardomain dapat diperoleh melalui dokumen publikasi ilmiah seperti judul, abstrak, dan bibliografi. Oleh karena itu, proses ekstraksi topik riset dari seorang peneliti merupakan tahapan penting. Model topik berbasis kata belum dapat merepresentasikan topik dengan baik sebab urutan kata pada dokumen tidak diperhitungkan. Penelitian ini mengusulkan sistem rekomendasi kolaborasi antardomain dengan metode Cross-Domain Topic Learning (CTL) Berbasis Frase. CTL Berbasis Frase terdiri dari tiga fase utama: (1) transformasi dokumen dari format bag-of-words menjadi bag-of-phrases, (2) pemodelan topik terhadap frase yang sudah dibentuk untuk mengetahui distribusi probabilitas keterkaitan peneliti dengan topik, (3) perangkingan rekomendasi kolaborasi dengan random walk with restart. Pengujian sistem terhadap domain Visualization dan Data Mining pada dataset Â AMiner menunjukkan bahwa CTL Berbasis Frase lebih baik daripada CTL berbasis kata. Terdapat pengingkatan nilai precision sebesar Â±10% pada 10 rekomendasi teratas dan Â±5% pada 20 rekomendasi teratas.

Pencarian Question-Answer Menggunakan Convolutional Neural Network Pada Topik Agama Berbahasa Indonesia Rizqa Raaiqa Bintana; Chastine Fatichah; Diana Purwitasari
Ultimatics : Jurnal Teknik Informatika Vol 10 No 1 (2018): Ultimatics : Jurnal Teknik Informatika
Publisher : Faculty of Engineering and Informatics, Universitas Multimedia Nusantara

Community-based question answering (CQA) is formed to help people who search information that they need through a community. One condition that may occurs in CQA is when people cannot obtain the information that they need, thus they will post a new question. This condition can cause CQA archive increased because of duplicated questions. Therefore, it becomes important problems to find semantically similar questions from CQA archive towards a new question. In this study, we use convolutional neural network methods for semantic modeling of sentence to obtain words that they represent the content of documents and new question. The result for the process of finding the same question semantically to a new question (query) from the question-answer documents archive using the convolutional neural network method, obtained the mean average precision value is 0,422. Whereas by using vector space model, as a comparison, obtained mean average precision value is 0,282. Index Terms—community-based question answering, convolutional neural network, question retrieval

DETEKSI WILAYAH CAHAYA INTENSITAS TINGGI PADA CITRA DAUN MANGGA UNTUK KLASIFIKASI JENIS POHON MANGGA Eko Prasetyo; R. Dimas Adityo; Nanik Suciati; Chastine Fatichah
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2017: SNTIKI 9
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (537.616 KB)

Masalah yang dihadapi pada citra daun mangga hasil akuisisi dalam klasifikasi jenis pohon mangga adalah adanya wilayah dalam citra yang terpapar cahaya tinggi. Jika wilayah ini tergabung dalam wilayah pembangkitan fitur warna dan tekstur maka nilai fitur yang dibangkitkan dapat terdistorsi dari hasil yang benar. Untuk menghindari masalah tersebut maka wilayah ini harus dipisahkan. Untuk mendeteksi wilayah cahaya intensitas tinggi penulis menggunakan dua threshold yang dikembangkan dari threshold T. Threshold T didapatkan dengan metode Otsu. Nilai threshold atas (Ta) didapat dengan menaikkan nilai T beberapa persen. Nilai threshold bawah (Tb) didapat dengan menurunkan nilai T beberapa persen. Dalam penelitian ini, penulis menggunakan Saturation sebagai basis deteksi, karena merupakan komponen yang memberikan informasi kekuatan warna yang dipengaruhi oleh cahaya. Nilai piksel rendah pada komponen ini menyatakan pengaruh cahaya yang tinggi. Dari hasil uji coba 30 citra, rata-rata dua nilai threshold, Ta dan Tb, masing-masing Ta = 0.9T atau T-10%T dan Tb = 1.7T atau T+70%T. Hasil yang didapatkan dari penelitian ini adalah wilayah intensitas tinggi pada citra daun mangga dapat dideteksi dengan cukup baik. Kinerja recall 0.78, ini berarti ada sekitar 22% wilayah yang gagal dideteksi, sedangkan precision 0.57 berarti sekitar 43% piksel bukan intensitas tinggi yang terdeteksi.

SEGMENTASI PENYAKIT PADA CITRA DAUN TEBU MENGGUNAKAN METODE HYBRID ARTIFICIAL BEE COLONY - FUZZY C MEANS Mustika Mentari; R.V Hari Ginardi; Chastine Fatichah

Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Yudharta Pasuruan

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

Otomatisasi sistem untuk mendeteksi penyakit pada tanaman tebu perlu dilakukan untuk mempercepat penanganan penyakit yang mengakibatkan penurunan produktivitas. Informasi penyakit dari ahli seringkalimembutuhkan banyak waktu dan biaya sehingga terjadi keterlambatan penanganan penyakit. Untuk itusebagai penanganan awal diperlukan adanya deteksi penyakit pada daun tebu secara otomatis. Penelitianini bertujuan untuk membuat sistem otomatis untuk segmentasi citra daun tebu berpenyakit dengan metodeHybrid Artificial Bee Colony (ABC) - Fuzzy C Means (FCM). Penelitian ini memiliki beberapa tahapan yaitupreprocessing yang memisahkan bagian daun dengan background serta menghilangkan tulang daun yangtidak digunakan dalam penelitian ini, pemilihan region of interest, ekstraksi fitur, dan segmentasi. Citra yangdiproses menggunakan pemilihan ROI yang menunjukan dominasi area penyakit pada daun menggunakanoverlapping window seluas 100x100 pixel. ROI tersebut kemudian dilanjutkan pada proses segmentasimenggunakan ABC-FCM. Metode segmentasi yang diusulkan mampu menunjukkan rata-rata akurasi yangtinggi, yaitu sebesar 91%. Segmentasi menggunakan metode ABC-FCM menunjukkan hasil yang baik daripada menggunakan metode FCM saja.

TEKNIK GENETIC MODIFIED K-NEAREST NEIGHBOR UNTUK ESTIMASI HASIL PRODUKSI GULA TEBU BERDASARKAN NILAI KLOROFIL DAUN TEBU Siti Mutrofin; R. V. Hari Ginardi; Chastine Fatichah

Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Yudharta Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (587.558 KB)

Pada umumnya, taksasi (estimasi) hasil produksi gula didasarkan pada luas area, masa tanam, faktor panjang leng, jumlah batang/leng, tinggi batang, bobot batang, dan rendemen. Faktor rendemen sangatberpengaruh terhadap kualitas gula (manis atau tidak), sedangkan faktor yang lain hanya mempengaruhikuantitas gula. Salah satu tolak ukur produksi gula maupun rendemen dapat dilihat dari nilai klorofil dauntebu. Klorofil juga memiliki peranan yang sangat penting bagi proses fotosintesis. Untuk itu, dalampenelitian taksasi produksi gula tebu ini didasarkan pada nilai klorofil daun tebu. Dalam penelitian ini,performa algoritma Modified k-Nearest Neighbor (MKNN) ditingkatkan dengan cara mengoptimalkan nilaik dengan menggunakan algoritma genetika, yang selanjutnya algoritma tersebut dinamakan denganalgoritma Genetic Modified K-Nearest Neighbor (GMKNN). Tujuan dari penelitian ini adalah GMKNNsebagai algoritma baru digunakan untuk melakukan estimasi hasil produksi gula tebu berdasarkan nilaiklorofil daun tebu. Dari sejumlah uji coba, terbukti bahwa klorofil (Model2) dapat digunakan untukmelakukan taksasi, walaupun memiliki hasil yang kurang baik dibandingkan ketika tidak menggunakanklorofil (Model1). Model2 unggul pada percobaan dengan menggunakan 95 data, Model2 juga terbuktimemiliki perbedaan yang signifikan dberdasarkan uji T. Kinerja algoritma GMKNN lebih baik dari padaMKNN dengan nilai MSE terkecil sebesar 3737 pada percobaan dengan menggunakan 95 data, dan MSEterbesar sebesar 2053730 pada percobaan dengan menggunakan 201 data, namun GMKNN juga memilikikekurangan, yaitu komputasi tinggi, terjebak pada optimum lokal, sedangkan kekurangan MKNN adalahpenentuan nilai ambang batas dalam mendapatkan nilai similaritas antar data latih yang masih manualpada kasus estimasi.

Ekstraksi Frasa Kunci pada Penggabungan Klaster berdasarkan Maximum-Common-Subgraph Adhi Nurilham; Diana Purwitasari; Chastine Fatichah
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 7 No 3: Agustus 2018
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1771.664 KB)

Document clustering based on topic similarities helps users in searching from a collection of scientific articles. Topic labels are necessesary for describing subjects of the document clusters. Clusters with related subjects or contextual similarities can be merged to produce more descriptive labels. Relations between those words in one context can be modelled as a graph. Instead of single word, this paper proposed cluster labeling of phrases from scientific articles withcluster merging based on graph. The proposed method begins with K-Means++ for clustering the scientific articles. Then, the candidates of word phrases from document clusters are extracted using Frequent Phrase Mining which inspired by Apriori algorithm. Each cluster result has a representation graph from those extracted word phrases. An indicator value from each graph shows any similarities of graph structures which is calculated with Maximum Common Subgraph (MCS). Those clusters are merged if there are any structure similarities between them. Topic labels of clusters are keyword phrases extracted from a representation graph of previous merged clusters using TopicRank algorithm. The merging process which becomes the contribution of this paper is considering topic distribution within clusters for phrase extraction. The proposed method evaluationis performed based on topic coherence of the merged clusterslabel. The results show that proposed method can improve topic coherence on the merged clusters with MCS graph size percentage as the key factor.Further observation shows that merged cluster labels consistent to MCS graph.

METODE FUZZY ID3 UNTUK KLASIFIKASI BENTUK WAJAH MANUSIA MENGGUNAKAN DENTAL PANORAMIC Nur Nafi’iyah; Chastine Fatichah
SPIRIT Vol 10, No 1 (2018): SPIRIT
Publisher : STMIK YADIKA BANGIL

Penelitian ini ingin menerapkan algoritma Fuzzy dan ID3 dalam mengklasifikasi bentuk wajah manusia. Tujuannya, yaitu untuk melihat keakurasian dan ketepatan algoritma ID3 dalam mengklasifikasi bentuk wajah manusia. Klasifikasi bentuk wajah dalam penelitian ini terdapat 3 bentuk, yaitu: oval, lancip, dan kotak. Manfaat yang diperoleh dalam penelitian ini, membantu tim forensik dalam melakukan identifikasi korban atau manusia dari segi bentuk wajah. Metode Fuzzy digunakan untuk menormalisasi nilai fitur dari gigi seri panoramic dan mengubah ke bentuk kategori. Sedangkan ID3 digunakan untuk mengklasifikasi bentuk wajah manusia menjadi 3 bentuk. Ekstraksi fitur yang digunakan dalam penelitian ini, yaitu: area, perimeter, lebar, panjang, rasio lebar/panjang, rasio area/perimeter, pusat_x dan pusat_y. Tahapan penelitian ini, meliputi: digitalisasi dental panoramic menjadikan file, kemudian melakukan segmentasi gigi seri rahang atas, mengekstraksi fitur gigi seri, selanjutnya memasukkan nilai fitur ke dalam database dan dilakukan pelatihan ID3. Pelatihan fitur gigi seri panoramic menggunakan metode ID3 menghasilkan tree, dan rule. Rule dari ID3 digunakan klasifikasi bentuk wajah manusia menunjukkan nilai akurasi sebesar 65% dari total data 26 gigi seri dental panoramic. Keywords—Fuzzy ID3, Bentuk Wajah Manusia, Dental Panoramic.

Hypergraph-Partitioning pada Co-Authorship Graph untuk Pengelompokan Penulis Berdasarkan Topik Penelitian Daniel Swanjaya; Chastine Fatichah
Melek IT : Information Technology Journal Vol. 1 No. 1 (2015): Melek IT : Information Technology Journal
Publisher : Informatics Engineering Department-UWKS

Research topics can be seen from Abstraction research documents, for example, reports Scientific Writing (KTI) in the form of Final Project, Thesis and Dissertation. Research Topics of KTI is a collection of important words that indicate the area / field of study of the KTI. A guided KTI some supervisor, and a lecturer normally would guide some particular topic. Some lecturers have the same field of research formed a research group within the Department, but some courses are lecturers who exhibit similarities field of research. At this thesis proposed a method for classifying Writer (Lecturer) based on common research topics in Co-Authorship Graph using the Hypergraph Partitioning, making it possible to create a research group within the scope of inter Programs or college level. The method is divided into three stages: extraction of research topics, pembentuksn Co-Authorship Graph, and grouping author. Extraction of research topics, get the topic of EI by Title and Abstract using Latent Dirichlet Allocation (LDA). Formation of Co-Authorship Graph, where the nodes are the author, edge is the collaborative relationship and similarity / resemblance of research topics, and the weighting edge is Jaccard and cosine values similary research topics between author. Grouping Writers on Co-Authorship Graph using the Hypergraph Partitioning. Test method uses data from the Research Institute of Research and Community Service (LPPM) ITS. Grouping the results are validated using the Silhouette and Entropy. The final results showed that the grouping has been formed group Authors whose members come from the Department or a different field, with high similarity topic.

EFFECTIVENESS OF DEEP LEARNING APPROACH FOR TEXT CLASSIFICATION IN ADAPTIVE LEARNING Umi Laili Yuhana; Imamah Imamah; Chastine Fatichah; Bagus Jati Santoso
Jurnal Ilmiah Kursor Vol 11 No 3 (2022)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v11i3.285

Klasifikasi text sangat bermanfaat dan dibutuhkan diberbagai bidang. Salah satu bidang yang membutuhkan klasifikasi text adalah E-learning yang bersifat adaptive atau disebut sebagai adaptive learning sistem. Adaptive learning sytem adalah sistem pembelajaran online yang dapat memberikan rekomendasi pembelajaran berdasarkan kebutuhan pengguna. Adaptive learning memiliki dua bagian, yaitu modul learning dan modul testing. Modul learning adalah bagian dari sistem yang bertugas untuk memberikan rekomendasi pembelajaran bagi pengguna, sedangkan modul testing bertugas untuk menguji dan memberikan penilaian terhadap hasil pembelajaran yang diperoleh dari modul learning. Materi pembelajaran pada modul learning memerlukan klasifikasi text berdasarkan tingkat kesulitannya untuk memastikan bahwa pengguna dengan level kemampuan rendah juga mendapatkan materi pembelajaran yang mudah, dan rekomendasi ini akan dinamis mengikuti perkembangan kemampuan pengguna. Pada penelitian ini, akan dibahas bagian kecil dari sistem pembelajaran adaptive pada modul learning yaitu tahap klasifikasi text. Dataset yang digunakan dalam penelitian ini adalah mata pelajaran IPA untuk tingkat SMP yang didapatkan dari Ruang Guru dan merupakan salah satu platform E-learning di Indonesia. Metode yang digunakan dalam penelitian ini adalah CNN, RNN dan HAN dengan menggunakan word embedding Word2Vec

Co-Authors Achmad Arwan Adhi Nurilham Aditya Bagusmulya Afrizal Laksita Akbar Agung Prasetya Agus Subhan Akbar, Agus Subhan Agus Zainal Arifin Agus Zainal Arifin Ahmad Hayam Brilian, Ahmad Hayam Ahmad Saikhu Ahmad Syauqi Ahmad Syauqi Aini, Nuru Ainul Mu'alif Akwila Feliciano Akwila Feliciano Al-Haddad, Abdullah Amalia Nurani Basyarah Amelia Devi Putri Ariyanto Amirullah Andi Bramantya Andika Pratama Andrea Bemantoro J Anisa Nur Azizah Anna Kholilah Anny Yuniarti Ardian Yusuf Wicaksono Ariana Yunita Arianto Wibowo Arif Sanjani, Lukman Arijal Ibnu Jati Ario Bagus Nugroho Arya Yudhi Wijaya Asmawati, Diah Avin Maulana Ayu Ismi Hanifah Benny Afandi Bilqis Amaliah Budi Pangestu Cahyaningtyas, Zakiya Azizah Daniel Oranova Siahaan Daniel Sugianto Daniel Swanjaya Darlis Heru Murti Darlis Herumurti Davin Masasih Deni Sutaji Desmin Tuwohingide Dhimas Pamungkas Wicaksono Diana Purwitasari Diana Purwitasari Diema Hernyka Satyareni Dimas Ari Setyawan Dimas Renggana, Christiant Dini Adni Navastara, Dini Adni Djoko Purwanto Dwi Kristianto Dwi Taufik Hidayat edy susanto Eha Renwi Astuti Eka Prakarsa Mandyartha Eka Prakarsa Mandyartha Eko Prasetyo Esa Prakasa Evan Tanuwijaya Evelyn Sierra Evy Kamilah Ratnasari Fachrul Pralienka Bani Muhamad Fachrul Pralienka Bani Muhamad Faizin, Muhammad 'Arif Fajar, Aziz Fajrin, Ahmad Miftah Fandy Kuncoro Adianto Fandy Kuncoro Adianto Faried Effendy Fatonah, Nenden Siti FATRA NONGGALA PUTRA Febri Liantoni Febri Liantoni, Febri Fiqey Indriati Eka Sari Furqan Aliyuddien Ginardi, R.V. Hari Ginardi, Raden Venantius Hari Gou Koutaki Hadziq Fabroyir Handayani Tjandrasa Haniefardy, Addien Haq, Dina Zatusiva Hardika Khusnuliawati Hardika Khusnuliawati Hari Ginardi Hendra Mesra hidayat, dwi taufik Hilya Tsaniya Hilya Tsaniya Hisyam Syarif, Hisyam I Ketut Eddy Purnama Ilmi, Akhmad Bakhrul Imam Artha Kusuma Imamah Imamah Irzal Ahmad Sabilla Isye Arieshanti Ivan Agung Pandapotan Jayanti Yusmah Sari Johan Varian Alfa Keiichi Uchimura Kevin Christian Hadinata Kevin Christian Hadinata Kinana Syah Sulanjari Kinana Syah Sulanjari Kusuma, Irnayanti Dwi Kusuma, Selvia Ferdiana Lukman Hakim M Rahmat Widyanto M. Rahmat Widyanto Machfud, M. Mughniy Mambaul Izzi Martini Dwi Endah Susanti Maulani, Irham Maulidiya, Erika Mauridhi Hery Purnomo Moch Zawaruddin Abdullah Mohamad Anwar Syaefudin Muhamad, Fachrul Pralienka Bani Muhammad Bahrul Subkhi Muhammad Fikri Sunandar Muhammad Jerino Gorter Muhammad Meftah Mafazy Muhammad Muharrom Al Haromainy Muhtadin Mustika Mentari Mutmainnah Muchtar Nafiiyah, Nur Nanik Suciati Nanik Suciati Narandha Arya Ranggianto Nazarrudin, Ahmad Ricky Nur Hayatin Nur Nafiâ€™iyah Nur Nafi’iyah Nurilham, Adhi Nurina Indah Kemalasari Nursanti Novi Arisa Nursuci Putri Husain Nurwijayanti nuzula, Muhammad Iqbal firdaus Pradany, Latifa Nurrachma Priambodo, Anas Rachmadi Putra, Ramadhan Hardani R Dimas Adityo R. Dimas Adityo R. V. Hari Ginardi R.V Hari Ginardi R.V. Hari Ginardi Rachmad Abdullah Rahayu, Putri Nur Ramadhan Rosihadi Perdana Ramadhani, Muhammad Rafi' Rangga Kusuma Dinata Rangga Kusuma Dinata Ratih Kartika Dewi Rendra Dwi Lingga P. Riduwan, Muhammad Riyanarto Sarno Rizal A Saputra Rizal A Saputra, Rizal A Rizal Setya Perdana Rizka Wakhidatus Sholikah Rizka Wakhidatus Sholikah, Rizka Wakhidatus Rizqa Raaiqa Bintana Rozi, Fahrur RR. Ella Evrita Hestiandari Rully Soelaiman Safhira Maharani Safhira Maharani Sahmanbanta Sinulingga Salim Bin Usman Salim Bin Usman Sambodho, Kriyo Santoso, Bagus Jati Sarimuddin, Sarimuddin Septiyan Andika Isanta Sherly Rosa Anggraeni Sherly Rosa Anggraeni Shofiya Syidada Siti Mutrofin Siti Mutrofin Siti Rochimah Stefani Tasya Hallatu Subali, Made Agus Putra Subhan Nooriansyah Subkhi, M. Bahrul Sudianjaya, Nella Rosa Suhariyanto Suhariyanto Surya Sumpeno Syah Dia Putri Mustika Sari Sylvi Novita Dewi Tanzilal Mustaqim Tesa Eranti Putri Thoha Haq Tsaniya, Hilya Tuwohingide, Desmin Umi Laily Yuhana, Umi Laily Umy Rizqi Vit Zuraida Wahyu Saputra, Vriza Welly Setiawan Limantoro Wibowo, Prasetyo Wijoyo, Satrio Hadi Wilda Imama Sabilla Yoga Yustiawan Yosi Kristian Yudhi Purwananto Yuhana, Umi Laili Yuita Arum Sari Yulia Niza Yulia Niza Yunan Helmi Mahendra Yuslena Sari, Yuslena Yuwanda Purnamasari Pasrun Zaenal Arifin, Agus Zakiya Azizah Cahyaningtyas Zakiya Azizah Cahyaningtyas Zeng, Xinyou

Title Search

Found 150 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 150 Documents
Search