Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

16.879

P-Index

This Author published in this journals

All Journal Jurnal Algoritma Jurnal Wawasan Ilmiah Jurnal Teknologi Informasi dan Ilmu Komputer JAIS (Journal of Applied Intelligent System) Jurnal Ilmu Sosial dan Ilmu Politik JOIN (Jurnal Online Informatika) Edu Komputika Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Seminar Nasional Teknologi Informasi Komunikasi dan Industri JITK (Jurnal Ilmu Pengetahuan dan Komputer) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal ULTIMATICS Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JURTEKSI Jurnal Sistem Cerdas Aiti: Jurnal Teknologi Informasi Jurnal Teknik Informatika (JUTIF) Teknika Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal PkM MIFTEK Jurnal Algoritma Engineering Science Letter Journal of Novel Engineering Science and Technology IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Integrated : Journal Of Information Technology and Vocational Education JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Journal of Intelligent Systems Technology and Informatics International Journal of Applied Information Systems and Informatics Jurnal Elektronika dan Telekomunikasi

Dede Kurniadi

Institut Teknologi Garut

Author-ID : 2656422

Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences Other

Published : 233 Documents Claim Missing Document

Claim Missing Document

Articles

18 19 20 21 22

Prewedding Location Selection Recommendation System using Count Vectorization and Cosine Similarity Kurniadi, Dede; Maulana, Ilham Ahmad
ULTIMATICS Vol 17 No 1 (2025): Ultimatics : Jurnal Teknik Informatika
Publisher : Faculty of Engineering and Informatics, Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31937/ti.v17i1.4050

Choosing the right pre-wedding location is a concern for many couples due to the many options available, which often causes confusion and is time-consuming in decision-making. Therefore, a recommendation system is needed to assist couples in determining the prewedding location that suits their preferences. This research aims to provide alternative recommendations for prewedding locations and simplify the process of selecting a suitable location. This system integrates the content-based filtering method by applying count vectorization and cosine similarity calculations to calculate and measure the level of similarity between locations based on features in the dataset when producing prewedding location recommendations. The Rapid Throwaway Prototyping method ensures the system development is done iteratively and involves direct feedback from users. The recommendation system is evaluated using the Mean Reciprocal Rank (MRR) metric to measure the effectiveness of the recommendations provided by the system. The results show that the developed prewedding location recommendation system can provide relevant location recommendations with good performance, as evidenced by the Mean Reciprocal Rank (MRR) value of 0.88, which indicates that the system is effective in placing the most relevant locations at the top of the recommendation list. The high MRR value shows the system's effectiveness in providing relevant recommendations, improving customer experience, and supporting the company's competitiveness in the prewedding documentation industry.

Peningkatan Literasi Digital dan Pandu Digital Kepada Masyarakat Desa Cimurah Terkait Covid-19 dengan Aplikasi Android Kurniadi, Dede; Abdurrahman, Fauzan; Haekal, Mohamad Fikri; Burhanuddin, Ridwan; Nugraha, M Aldi; Ikhrom, Taufik Darul
Jurnal PkM MIFTEK Vol 1 No 2 (2020): Jurnal PkM MIFTEK
Publisher : Institut Teknologi Garut

Desa Cimurah di RT 03 RW 10 yang baru saja selesai tahap pembangunan infrastruktur Masjid dan di dalamnya juga terdapat Madrasah. Di RW 10 ini masih sangat kurang sekali dalam pencegahan COVID-19 seperti menggunakan masker, penyediaan hand sanitizer dan fasilitas umum cuci tangan. Selain hal itu karena baru saja selesai tahap pembangunan maka banyak sekali fasilitas umum yang belum dimiliki seperti alat kebersihan, mading dan peralatan belajar mengajar. Meski sudah melaksanakan pembelajaran dalam jaringan (daring) namun masih banyak aplikasi yang sangat bermanfaat dalam membantu kegiatan sehari-hari namun minim sekali digunakan oleh siswa-siswi yang bertempat di RW 10. Solusi terbaik dari permasalahan di atas ialah dengan mengadakan literasi COVID-19, literasi digital pengenalan aplikasi serta penambahan infrastruktur di RW 10. Kegiatan dilaksanakan melalui tahapan identifikasi permasalahan, bimbingan dan perencanaan, pembuatan materi, pre-test, penyampaian materi, post-test, pembuatan dan penyebaran konten COVID-19, pendataan penduduk, peningkatan infrastruktur, kemanusiaan dan pembuatan video dokumentasi. Kegiatan berhasil meningkatkan minat, pengetahuan dan keterampilan peserta. Hasil yang didapat dari kegiatan Kuliah Kerja Nyata ini yaitu masyarakat khususnya pelajar lebih paham akan pentingnya protokol kesehatan dan pemilik usaha kecil dan menengah pendapatannya meningkat dengan cara jual beli online menggunakan aplikasi android.

Implementasi Aplikasi Covid-19 Dalam Rangka Sosialisasi Terhadap Masyarakat Desa Padasuka Alamsyah, Renaldy; Safei P, M Iqbal Ismail; Rajab, Ilham Syahidatul; Wahidah, Tania Agusviani; Helmalia P, Nabilla Febriani; Kurniadi, Dede
Jurnal PkM MIFTEK Vol 1 No 2 (2020): Jurnal PkM MIFTEK
Publisher : Institut Teknologi Garut

Pandemi COVID-19 membuat banyak negara menyusun kebijakan untuk menghindari warga yang tertular bisa turun. Tiap harinya jumlah kasus positif di Indonesia terus bertambah. Kurang pahamnya masyarakat akan pandemi COVID-19 menjadi dasar untuk mengampanyekan pencegahan penyebaran COVID-19 sesuai arahan pemerintah yang dilakukan oleh perguruan tinggi melalui kegiatan Kuliah Kerja Nyata. Upaya yang dilakukan agar mencegah penyebarannya adalah dengan edukasi mengenai cuci tangan, pakai masker, jaga jarak, dan tetap bersih. Kemudian pembuatan aplikasi Pusat Informasi COVID-19 Padasuka agar masyarakat lebih mudah untuk mendapatkan informasi dan bisa melakukan check-up secara mandiri. Hasil yang didapat dari kegiatan Kuliah Kerja Nyata ini yaitu para pelajar sekolah dasar menjadi lebih paham akan pentingnya mematuhi protokol kesehatan serta masyarakat khususnya perangkat desa bisa menggunakan aplikasi ini sebagai upaya untuk mencari informasi dan dapat melakukan check-up mandiri bisa mengetahui tertular COVID-19 atau tidak secara dini.

Edukasi Cara Berpikir Komputasi Melalui Tantangan Bebras 2020 di Garut Tresnawati, Dewi; Latifah, Ayu; Nashrulloh, Muhammad Rikza; Fitriani, Leni; Rahayu, Sri; Mulyani, Asri; Cahyana, Rinda; Satria, Eri; Setiawan, Ridwan; Septiana, Yosep; Kurniadi, Dede
Jurnal PkM MIFTEK Vol 1 No 2 (2020): Jurnal PkM MIFTEK
Publisher : Institut Teknologi Garut

Bebras Computational Thinking Challenge atau Tantangan Bebras merupakan suatu kegiatan kompetisi untuk mengukur kemampuan cara berpikir komputasi dengan cara menyelesaikan soal-soal mengenai computational thinking yang disajikan melalui uraian dengan disertai gambar yang menarik. Sekolah Tinggi Teknologi Garut sebagai salah satu Biro dari Bebras Indonesia telah menyelenggarakan kegiatan ini sejak tahun 2016 hingga saat ini. Pada Tantangan tahun 2020 jumlah peserta Bebras Computational Thinking Challenge berjumlah 724 siswa yang terdiri dari 95 siswa Sekolah Dasar/MI, 313 siswa Sekolah Menengah Pertama/MTs, 316 siswa Sekolah Menengah Atas/SMK/MA. Terdapat 42 sekolah yang mengikuti kegiatan Tantangan Bebras tahun 2020. Hasil kompetisi menunjukkan kemampuan berpikir komputasi pada siswa-siswa di Garut sudah cukup tinggi dengan pencapaian nilai 100 untuk kategori Sikecil dan 90,28 untuk kategori Siaga.

Program Pelatihan Web Development untuk Komunitas Maya Ade Sutedi; Dzikri Nursyaban; Cahya Mutiara; Dede Sopiah; Diaz Radhian Salam; Diva Nuratnika Rahayu; Hasfi Syahrul Ramadhan; Ilham Muhamad Ramdan; Intan Sri Fatmalasari; Irsyad Ahmad; Kurniadi, Dede
Jurnal PkM MIFTEK Vol 2 No 1 (2021): Jurnal PkM MIFTEK
Publisher : Institut Teknologi Garut

Di era serba digital seperti saat ini, web sudah tidak asing lagi di telinga masyarakat. Bahkan, profesi sebagai Web Developer banyak diminati oleh kaum muda yang ingin menjadi freelancer. Oleh sebab itu, banyak kaum muda terutama siswa dan mahasiswa yang kini mulai tertarik untuk mempelajari Web Development. Program pelatihan ini bertujuan untuk memberikan pembelajaran dasar mengenai Web Development bagi pemula atau masyarakat umum. Metode pelaksanaanya dilakukan secara daring dengan mengadakan sesi webinar setiap minggu dan pembekalan modul secara berkala disertai tugas project yang berlangsung dalam kurun waktu satu bulan. Hasil yang dicapai yaitu dengan meningkatnya pemahaman dan kemampuan para peserta dalam membuat web sederhana.

Pengabdian Kepada Komunitas Maya Webinar Productive Daring A Pandemic di Desa Situjaya Zaqiah, Neng Nufus; Nurpatmah, Lisna; Nurlisina, Elisa; Nursa'diah, Rifania Sapta; Maulana , Muhammad Arief; Prayoga, Moch. Gumelar; Wildan, Muhammad; Syaiffani, Moch Assami; Nugraha, Nikolas Pranata; Maulana, Ahmad Rakha; Budik; Kurniadi, Dede
Jurnal PkM MIFTEK Vol 2 No 1 (2021): Jurnal PkM MIFTEK
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/miftek/v.2-1.1105

Pada masa pandemic covid-19 ini yang masih belum juga usai masalah yang dihadapi masyarakat bertambah. Salah satu masalah yang dihadapinya yaitu banyaknya masyarakat yang kehilangan pekerjaan ataupun kurangnya konsumen dan banyak terjadi masyarakat yang menjadi abai terhadap protocol kesehatan dimasa pandemic seperti ini yang dikarenakan pandemic ini belum juga usai. Program webinar productive daring a pandemic ini dilakukan dengan empat tema dengan tujuan agar masyarakat dapat menambah ilmu dan pengetahuan mengenai bagaimana menghadapi masa pandemic seperti ini dengan lebih baik, agar lebih baik dalam melakukan pemasaran secara digital, dapat megetahui agar tidak salah dalam menerimma informasi yang salah ataupun hoax dizaman seperti ini serta menambah pengetahuan mengenai peluang usaha dimasa seperti ini dikarenakan banyaknya para pekerja yang kehilangan pekerjaannya. Metodologi yang digunakan menggunakan metode online dengan dilakukannya webinar series. Hasil yang dicapai yaitu dengan diadakannya webinar series ini agar masyarakat dapat pengetahuan lebih banyak dan lebih produktif dimasa pandemic seperti ini.

Ensemble Voting Classifier Berbasis Multi-Algoritma dan Metode SMOTE untuk Klasifikasi Penyakit Jantung Dede Kurniadi; Asri Indah Pertiwi; Asri Mulyani
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 14 No 2: Mei 2025
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jnteti.v14i2.17157

The heart is a vital organ responsible for pumping blood throughout the body. Hence, impairments can disrupt blood circulation and are the leading causes of mortality worldwide. World Health Organization (WHO) reported that, in 2021, the mortality rate attributed to heart disease reached a significant number. In Indonesia, the prevalence of heart disease attained 1.5%. Consequently, it is essential to prevent and detect heart disease at an early stage utilizing machine learning technologies. This study aims to develop a heart disease classification model using the naïve Bayes and random forest algorithms through the ensemble voting classifier approach. The data were obtained from Kaggle, comprising 1,000 records with 14 variables, including one classification target. Imbalanced data were handled using the synthetic minority oversampling technique (SMOTE), while feature selection was conducted in consultation with cardiologists to ensure clinical relevance. The model was trained using the naïve Bayes algorithm, random forest, and integration of both through the ensemble voting classifier method, in contrast to previous studies that only compared several algorithms to determine the highest accuracy. The test results showed that the model trained with the ensemble voting classifier yielded the best performance, with an accuracy, precision, recall, and F1 score of 98.28%, 98.41%, 98.41%, and 98.41%, respectively. This study demonstrates that the ensemble voting classifier method provides better accuracy than the individual algorithms. This model falls within the excellent classification category and is expected to contribute to the medical field and support the development of decision-support systems for diagnosing heart disease.

A Comparison Analysis Between ResNET50 and XCeption for Handwritten Hangeul Character using Transfer Learning Kurniadi, Dede; Nurhaliza, Nabila Putri; Balilo Jr, Benedicto B.; Aulawi, Hilmi; Mulyani, Asri
JOIN (Jurnal Online Informatika) Vol 10 No 2 (2025)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v10i2.1606

The enthusiasm for Korean pop culture in Indonesia has contributed to a growing interest in learning the Korean language, including its writing system, Hangeul, which currently ranks as the 6th most studied language. Hangeul has a unique structure, where each character is arranged in syllabic blocks of consonants and vowel combinations. The main challenge in Korean character classification lies in the similarity between characters and the complex structure, making it more difficult for models to recognize. This study aims to compare two deep convolutional neural networks are ResNet50 and Xception, using transfer learning for handwritten Hangeul character classification. While previous studies have examined CNN-based character recognition, this study highlights the effectiveness of deeper architectures with limited yet augmented data. Unlike earlier works, it incorporates Grad-CAM visualizations, transfer learning with partial fine-tuning, and multiple train-test ratios to analyze model behavior. A total of 1,920 images across 24 classes were evaluated using 5-fold cross-validation, with extensive augmentation and preprocessing to simulate variation. The Machine Learning Life Cycle (MLLC) framework assessed model performance through accuracy, precision, recall, F1-score, and AUC. Both models achieved high performance, with ResNet50 consistently outperforming Xception in most folds, especially in precision and F1-score. ResNet50 achieved perfect scores (100%) across all metrics, while Xception also performed strongly with up to 99.74% accuracy. These results indicate that ResNet50 is more effective in classifying Korean letters on the dataset used in this study. For future research, a robustness evaluation can be applied using data that was not included in previous training or testing.

Improving Low-Light Face Recognition using DeepFace Embedding and Multi-Layer Perceptron Kurniadi, Dede; Fernando, Erick; Fauziyah, Asyifa; Mulyani, Asri
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 5 (2025): October 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i5.6797

Facial recognition systems often struggle under extreme lighting conditions, which distort facial features and reduce recognition accuracy. This study introduces a novel integration of DeepFace embeddings with a lightweight Multi-Layer Perceptron (MLP) classifier tailored to improve facial recognition under extreme lighting conditions. This combination has not been explored in previous studies and offers a compact alternative to conventional CNN-based methods. The Labeled Faces in the Wild (LFW) dataset was augmented using rotation, flipping, and lighting variations, and further enhanced with CLAHE for improved contrast under poor illumination. The resulting 128-dimensional DeepFace embeddings were classified using a four-layer MLP with LeakyReLU activation, Batch Normalization, and Dropout. The model was evaluated across three data-splitting schemes (70:30, 80:20, and 90:10), with the 80:20 configuration achieving the highest accuracy of 95.16%. Compared to the baseline CNN, the proposed method demonstrated superior robustness to illumination variations. This makes the proposed model suitable for real-time applications such as biometric authentication and AI-based surveillance systems.

Perancangan Model Convolutional Neural Network Pada Aplikasi Pengenalan Aksara Sunda Berbasis Mobile Kurniadi, Dede; Zulkarnaen, Ade Iskandar; Mulyani, Asri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 5: Oktober 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025125

Mendikbudristek pada tahun 2022 menjadikan 38 bahasa daerah menjadi objek revitalisasi, salah satunya yaitu bahasa Sunda. Hal tersebut dikarenakan sebagian besar bahasa daerah di Indonesia kondisinya terancam punah dan kritis. Hilangnya bahasa daerah juga mengancam keberadaan aksara lokal yang menjadi bagian integral dari warisan budaya. Dalam upaya memperkenalkan serta mendukung revitalisasi di bidang kebahasaan, pengembangan aplikasi media pembelajaran berbasis mobile dapat menjadi solusi yang efektif. Hal ini didasarkan bahwa perangkat smartphone memiliki pengguna yang luas di kalangan masyarakat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan model Convolutional Neural Network (CNN) untuk pengenalan aksara Sunda pada perangkat berbasis mobile. Model CNN diterapkan pada fitur belajar menulis untuk mengenali tulisan tangan aksara Sunda dan memberikan feedback kepada pengguna. Penelitian ini menggunakan metode Machine Learning Lifecycle (MLLC) dimana tahapan yang dilakukan meliputi problem definition, data, model, dan production system. Penelitian dimulai dengan pembuatan dataset tulisan tangan digital, yang kemudian digunakan untuk melatih model klasifikasi menggunakan arsitektur CNN VGG-16. Dataset yang berhasil dibuat sebanyak 7500 gambar yang terdiri dari aksara Sunda swara, ngalagena, dan ngalagena serapan. Model yang dihasilkan dari proses pelatihan dengan total 10 epoch memperoleh akurasi sebesar 99%, sementara pada data testing memperoleh akurasi rata-rata sebesar 83%. Pada tahap akhir pengujian, model diimplementasikan pada prototype aplikasi pengenalan aksara Sunda berbasis mobile dan dapat dengan baik mengklasifikasi aksara Sunda. Hasil dari penelitian ini yaitu berupa model pengenalan aksara Sunda yang dapat diterapkan pada aplikasi berbasis mobile. Melalui pembuatan model dan prototype aplikasi pengenalan aksara Sunda, penelitian ini ikut berkontribusi pada digitalisasi aksara Sunda serta menyediakan landasan untuk pengembangan dan penelitian lanjutan dalam penerapan CNN pada aplikasi berbasis mobile. Abstract In 2022, the Minister of Education, Culture, Research and Technology made 38 regional languages the object of revitalization, one of which is Sundanese. This is because most regional languages in Indonesia are endangered and critical. The loss of regional languages also threatens the existence of local scripts, which are an integral part of cultural heritage. To introduce and support revitalization in the language field, the development of mobile-based learning media applications can be an effective solution. This is based on the fact that smartphone devices have a wide user base in society. This study aims to design and implement a Convolutional Neural Network (CNN) model for Sundanese script recognition on mobile-based devices. The CNN model is applied to the learning-to-write feature to recognize Sundanese handwriting and provide user feedback. This study uses the Machine Learning Lifecycle (MLLC) method, where the stages include problem definition, data, models, and production systems. The study began with creating a digital handwriting dataset, which was then used to train a classification model using the CNN VGG-16 architecture. The successfully created dataset was 7500 images consisting of Sundanese swara, ngalagena, and ngalagena absorption scripts. The model produced from the training process with 10 epochs obtained an accuracy of 99%, while the testing data obtained an average accuracy of 83%. In the final stage of testing, the model was implemented on a mobile-based Sundanese script recognition application prototype and could classify Sundanese script well. The results of this study are in the form of a Sundanese script recognition model that is applied to a mobile-based application prototype. By creating a model and prototype of a Sundanese script recognition application, this research contributes to the digitalization of Sundanese script and provides a foundation for further development and research in the application of CNN to mobile base applications.

Co-Authors A. Abdul Latif Abania, Nia Abdulah, Farhan Naufal Abdurrahman, Fauzan Abdussalam, Iqbal Abdussalam Abdusy Syakur Amin Ade Sutedi Ade Sutedi Ade Sutedi, Ade Adiwangsa, Alfian Akmal Agil Rahmat Agus Hermawan Agus Nugraha Agustiansyah, Yoga Ahmad Habib Lutfi Aisyah Fitri Islami Ajif, Arvin Muhammad Ajiz, Rafi Nurkholiq Akbar, Gugun Geusan Alamsyah, Renaldy Aldy Rialdy Atmadja Ali Djamhuri Alisha Fauzia, Fathia Alkamal, Chaerulsyah Alvin Zainal Musthafa Alwan Nul Hakim Amrulloh, Muhammad Fawaz Andri Saepuloh Aneu Suci Nurjanah Asri Indah Pertiwi Asri Mulyani Asri Rahayu Ningsih Ayu Latifah Ayu Suryani B. Balilo Jr , Benedicto B. Balilo Jr, Benedicto Balilo Jr, Benedicto B. Barlinti Maryam Benedicto B. Balilo Jr Budik Burhanuddin, Ridwan Cahya Mutiara Dede Sopiah Della Adelia Anugrah Detila Rostilawati Dewi Tresnawati Dhea Arynie Noor Annisa Diar Nur Rizky Diaz Radhian Salam Diazki, Moch Haiqal Diki Jaelani Dini Destiani Siti Fatimah Diva Nuratnika Rahayu Dudy Mohammad Arifin Dyka Afan Afthori Dzikri Nursyaban Efi Sofiah Elsen, Rickard Endang Prayoga Hidayatulloh Eri Satria Erick Fernando B311087192 Erwan Yani Erwan Yani, Erwan Erwin Gunadhi Rahayu, Raden Erwin Widianto Fadillah, Hadi Bagus Faisal, Ridwan Nur Fajar Rahman Faturrohman, Nadhif Fauziah, Fathia Alisha Fauziyah, Asyifa Fikri Zakaria Rahman Firmansyah, Marshal Fitri Nuraeni Fitriani, Ranti Fitriyani Gelar Panca Ginanjar Ghilman Hasbi Basith Gina Suciyana Gisna Fauzian Dermawan H. Bunyamin Hadi Wijaya, Tryana Haekal, Mohamad Fikri Hamzah Nurrifqi Fakhri Fikrillah Hari Ilham Nur Akbar Hasfi Syahrul Ramadhan Hazar, Aura Fitria Helmalia P, Nabilla Febriani Hendri Aji Pangestu Heri Johari Heri Suhendar Heri Suhendar Hilmi Aulawi Ida Farida Ikbal Lukmanul Hakim Ikhrom, Taufik Darul Ikmal Muhammad Fadhil Ilham Muhamad Ramdan Ilham Syahidatul Rajab Imas Dewi Ariyanti Inda Muliana Indra Trisna Raharja Indri Tri Julianto Indri Tri Julianto Intan Sri Fatmalasari Irawan, Muhammad Randy Irfan Qusaeri Irfanov, Muhammad Irsyad Ahmad Iskandar, Joko Jajang Jaenudin Jajang Romansyah Jembar, Tegar Hanafi Khaerunisa, Nisrina Khoerunisa, Sarah Kusmayadi, Kusmayadi Latifah, Ayu Leni Fitriani Leni Fitriani Leni Fitriani, Leni Lia Amelia Lindayani, Lindayani M. Mesa Fauzi Mahendra Akbar Musadad Maulana , Muhammad Arief Maulana, Ahmad Rakha Maulana, Ilham Ahmad Maulana, Yusep Maulina, Wina Senja Meta Regita Mochamad Deni Ramdani Muhamad Solihin Muhammad Abdul Yusup Hanifah Muhammad Affan Al Sidqi Muhammad Rikza Nashrulloh Muhammad Saleh Muhammad Sanusi Muhammad Sanusi Muhammad Wildan Muliana, Inda Murni Lestari Rahmi Muttaqin, Moch Riefky Chaerul Nabila Putri Nurhaliza Nita Nurliawati Nugraha, M Aldi Nugraha, Nikolas Pranata Nuraisah Nuraisah Nurfadillah, Rifa Sri Nurhaliza, Nabila Putri Nurlisina, Elisa Nurpatmah, Lisna Nursa'diah, Rifania Sapta Nursyaban, Dzikri Nurul Fauziah Nurul Khumaida Nurzaman, Muhammad Zein Omar Komarudin Pratama, Reifalga Gais Prayoga, Moch. Gumelar Putri, Mita Hidayani Raharja, Indra Trisna Rahayu, Diva Nuratnika Rahayu, Raden Erwin Gunadhi Rajab, Ilham Syahidatul Ramdhan, Dekha Ramdhani Hidayat Randy Wardan Ridwan Setiawan Ridwan Setiawan Ridwan Setiawan Ridwan Setiawan Rifky Muhammad Shidiq Rinda Cahyana Rinda Cahyana Risfiyanisa Fasha Rizki Esa Saputra Rizki Fauziah Roeri Fajri Firdaus Rohman, Fauza Rohmanto, Ricky Rostina Sundayana Rubi Setiawan Rudi Sutrio Safei P, M Iqbal Ismail Sarah Khoerunisa Sermana, Elsa Maharani Sheny Puspita Indriyani Siti Rima Fauziyah Sofwan Hamdan Fikri Sopiah, Dede Sri Intan Multajam Sri Mulyani Lestari Sri Rahayu SRI RAHAYU Sri Rahayu Syahrul Sidiq Syaiffani, Moch Assami Tina Maryana Undang Indrajaya W, Faksi Ahmad Wahidah, Tania Agusviani Wiwit Septiani Yanti Sofiyanti Yayat Supriatna Yoga Handoko Agustin Yosep Septiana Yosep Septiana Yuni Yuliani Yusfar Ilhaqul Choer Yusuf Mauluddin Zaqiah, Neng Nufus Zulkarnaen, Ade Iskandar

Title

Found 233 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 233 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 233 Documents
Search