Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

3.753

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) Proceedings of KNASTIK TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Jurnas Nasional Teknologi dan Sistem Informasi Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Seminar Nasional Teknologi Informasi Komunikasi dan Industri JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI ILKOM Jurnal Ilmiah SISFO International Journal of Social Science and Business Data Science: Journal of Computing and Applied Informatics ILKOMNIKA: Journal of Computer Science and Applied Informatics Journal of Social Research Sewagati Jurnal Teknik Elektro dan Komputer Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika

Ahmad Muklason

Institut Teknologi Sepuluh Nopember

Author-ID : 324120

Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Public Health Social Sciences Other

Published : 32 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4

Coding for Kids: Pengenalan Pemrograman untuk Anak Sekolah Dasar sebagai Literasi Digital Baru di Industri 4.0 Ahmad Muklason; Edwin Riksakomara; Faizal Mahananto; Arif Djunaidy; Retno Aulia Vinarti; Wiwik Anggraeni; Raras Tyas Nurita; Amalia Utamima; Rahma Fauzia; Laura Wilhelmina Theresia; Muhammad Ali Fikri; Hardhika Propitadewa; Jihaan Harvi Habibah; Jeremy Diaz Prasetyo; Septica Tiara Indah Permatasari; Nur Nindya Risnina; Nazriyah Deni Tsaniyah; Muhammad Daffa Maulana
Sewagati Vol 7 No 3 (2023)
Publisher : Pusat Publikasi ITS

Coding adalah sebuah cara untuk memberikan perintah pada komputer, aplikasi, telepon, atau website untuk melakukan sesuatu. Coding adalah keterampilan yang sangat penting dikuasai di era industri 4.0 dan perlu diajarkan sejak dini. Oleh karena itu, tujuan dari kegiatan pengabdian masyarakat ini adalah untuk memperkenalkan pemrograman bagi para guru dan siswa di Madrasah Ibtidaiyah (MI) Nasyrul Ulum 1 Grobogan. Metode pengumpulan data dalam kegiatan ini dilakukan dengan survei dan wawancara. Hasil dari survei untuk para guru dan siswa pasca pelatihan mengatakan bahwa belum ada yang pernah mempelajari pemrograman. Delapan dari sembilan guru merasa bahwa coding perlu diajarkan pada anak-anak dan tertarik untuk mengajarkannya. Secara keseluruhan, kegiatan pelatihan coding bagi para guru dan siswa MIS Nasyrul Ulum 1 dirasa baik, menyenangkan, berkesan, dan bermanfaat.

Perbandingan Algoritma Heuristic Selection untuk Penjadwalan Ujian Menggunakan Kerangka Kerja Hyper-Heuristics: Heuristic Selection Algorithms Comparison for Examination Timetabling Using Hyper-Heuristics Framework Rizal Risnanda Hutama; Tsani Nahdliyah; Aelisa Nailin Nabila; Ahmad Muklason
Jurnal Teknik Elektro dan Komputer Vol. 12 No. 2 (2023): Jurnal Teknik Elektro dan Komputer
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35793/jtek.v12i2.47757

Abstract — Examination timetabling is an example of a problem in operations research and an exciting issue in higher education. For example, the problems that occur in an institution are the limited number and capacity of rooms, few exam supervisors, and limited exam time. So far, exam scheduling is done manually, so it is pretty time-consuming. Until now, no algorithm can solve this problem in polynomial time. So that in the optimization world, the problem of scheduling exams is an NP-Hard problem. Solving this problem can be done using a heuristic algorithm to produce a reasonably good solution fairly quickly. Currently, the algorithm has been developed in various ways with a hyper-heuristic approach. This study will discuss the scheduling of exams using carter benchmark datasets. The charter dataset is a dataset of real-world exam scheduling problems. The trials carried out in this study were to apply hyper-heuristics by combining a move acceptance algorithm, namely late acceptance hill climbing, with several heuristic selection algorithms to get the heuristic selection algorithm with the best performance to be combined. The result is the combination of Reinforcement Learning with Late Acceptance Hill Climbing can outperform the results of the comparison algorithm in most of the datasets. Key words — Carter Datasets; Examination Timetabling; Hyper-Heuristics; Late Acceptance Hill Climbing; Reinforcement Learning; Tabu Search Abstrak — Penjadwalan ujian merupakan salah satu contoh permasalahan dalam riset operasi serta permasalahan yang menarik untuk dihadapi di pergurugan tinggi. Sebagai contoh, permasalahan yang terjadi di sebuah perguruan tinggi yaitu terbatasnya jumlah dan kapasitas ruangan, terbatasnya pengawas ujian, serta terbatasnya waktu ujian. Selama ini, penjadwalan ujian dilakukan secara manual sehingga cukup memakan waktu. Hingga saat ini belum ada algoritma yang dapat menyelesaikan permasalahan tersebut dalam waktu polinomial. Sehingga dalam dunia optimasi, permasalahan penjadwalan ujian merupakan NP-Hard problem. Penyelesaian permasalahan ini dapat dilakukan dengan menggunakan algoritma heuristic untuk menghasilkan solusi yang cukup baik dengan waktu yang cukup singkat. Saat ini algoritma telah berkembang secara variatif dengan pendekatan hyper-heuristics. Penelitian ini akan membahas penjadwalan ujian menggunakan benchmark dataset carter. Dataset carter merupakan dataset permasalahan penjadwalan ujian real-world. Uji coba yang dilakukan pada penelitian ini yaitu menerapkan hyper-heuristics dengan mengombinasikan sebuah algoritma move acceptance yaitu late acceptance hill climbing dengan beberapa algoritma heuristic selection untuk mendapatkan algoritma heuristic selection dengan performa terbaik untuk dikombinasikan. Hasilnya yaitu kombinasi Reinforcement Learning dengan Late Acceptance Hill Climbing mampu mengungguli hasil algoritma pembanding dalam sebagian besar dataset. Kata kunci — Dataset Carter; Hyper-Heuristics; Late Acceptance Hill Climbing; Penjadwalan Ujian; Reinforcement Learning; Tabu Search

Machine Learning untuk Peramalan Kualitas Indeks Standar Pencemar Udara DKI Jakarta dengan Metode Hibrid ARIMAX-LSTM Diaz Perdana; Ahmad Muklason
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 5 No 3 (2023): Volume 5, Nomor 3, Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v5i3.588

Polusi udara merupakan tantangan lingkungan global yang signifikan, menyebabkan dampak serius terhadap kesehatan masyarakat tidak terkecuali di Jakarta. Dengan Indeks Standar Pencemaran Udara (ISPU) sebagai parameter utama untuk memantau kualitas udara. Meskipun ISPU memberikan informasi saat ini, informasi yang diberikan untuk kualitas udara di masa mendatang masih terbatas. Oleh karena itu, diperlukan pendekatan yang lebih canggih, dan salah satu metode yang menjanjikan adalah menggunakan teknik machine learning (ML). Metode ML telah terbukti efektif dalam pemantauan dan peramalan kualitas udara. Namun, untuk meningkatkan akurasi peramalan, pendekatan hibridisasi, seperti menggabungkan dua model telah diusulkan. Pendekatan ini dapat memberikan deteksi pola yang lebih komprehensif dan meningkatkan akurasi hasil peramalan. Penelitian ini bertujuan untuk memprediksi ISPU di DKI Jakarta menggunakan model hibrid ARIMAX-LSTM. Data polusi udara dari tahun 2012 hingga 2022 akan digunakan, bersama dengan variabel eksternal seperti volume kendaraan, temperatur, kelembapan, dan kecepatan angin. Model ini mampu menghasilkan model prediksi dengan RMSE 13.00; 20.51; dan 17.10 untuk masing-masing polutan PM10, PM2.5, dan O3. Sedangkan metriks MAPE yang dihasilkan dari model hibrid adalah 0.1916; 0.1917; dan 0.2869 untuk masing-masing polutan PM10, PM2.5, dan O3. Model hibrid mampu menghasilkan model prediksi yang lebih baik dari model ARIMAX itu sendiri.

Gerakan 1000 Sertifikat Halal untuk Mendukung Kewajiban Sertifikat Halal 2024 Rakhmawati, Nur Aini; Gunawan, Setiyo; Indraswari, Rarasmaya; Ulfin, Ita; Rahadiantino, Lienggar; Qadariyah, Lailatul; Muklason, Ahmad; Mashuri, Mashuri; Fabroyir, Hadziq; Putri, Malfa Liya; Eskalalita, Eskalalita
Sewagati Vol 8 No 3 (2024)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v8i3.959

Di tengah pertumbuhan ekonomi yang pesat, pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) memainkan peran kunci dalam kontribusi terhadap perekonomian negara. UMKM Indonesia menyumbang terhadap pertumbuhan ekonomi lokal dan nasional secara signifikan. Produk makanan dan minuman yang dikonsumsi oleh umat Muslim harus memenuhi standar halal, sesuai dengan ajaran agama Islam. Hal ini memunculkan pentingnya sertifikasi halal untuk UMKM di Indonesia. Kegiatan penyuluhan sertifikasi halal berperan dalam mendukung pertumbuhan ekonomi dan kesejahteraan masyarakat, sambil memastikan kepatuhan terhadap prinsip kehalalan dalam produksi dan konsumsi produk. Gerakan 1000 Sertifikasi Halal ITS dilakukan melalui kegiatan Pelatihan Pendamping Proses Produk Halal; Pelatihan Kader Penggerak Halal UMKM; dan Pendaftaran Sertifikasi Halal UMKM. Merek UMKM yang paling banyak didapatkan sertifikasi adalah dapur, bakery, cookies, cake dan lain-lain. Produk UMKM yang banyak dilakukan sertifikasi halal ITS, seperti kue, keripik, kacang, roti, donat, jus, dan lain-lain. Tujuan dilakukannya kegiatan ini adalah untuk meningkatkan pemahaman UMKM mengenai Kaidah Halal. Data nama pendamping paling banyak mampu mendampingi UMKM untuk mendapat sertifikasi halal adalah sebanyak 83 UMKM dengan 6 UMKM tiap bulannya, lalu 75 UMKM dengan 5 UMKM perbulannya, dan terbanyak ketiga dengan total 54 UMKM dengan 11 UMKM per bulannya.

The performance analysis of hyper-heuristics algorithms over examination timetabling problems Muklason, Ahmad; Tendio, Yusnardo; Angelita Depari, Helena; Arif Nuriman, Muhammad; Agung Premananda, I Gusti
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 13, No 2: June 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v13.i2.pp2155-2164

In general, uncapacitated exam timetabling is conducted manually, which can be time-consuming. Many studies aim to automate and optimize uncapacitated exam timetabling. However, pinpointing the most efficient algorithm is challenging since most studies assert that their algorithms surpass previous ones. To identify the optimal algorithm, this research evaluates the performance of four algorithms: Hill climbing (HC), simulated annealing (SA), great deluge (GD), and tabu search (TS) in addressing the exam timetabling problem. The Kempe chain operator’s influence on optimization solutions is also examined. A simple random method is employed to select the low-level heuristic (LLH). The Carter (Toronto) dataset served as the test material, with each algorithm undergoing 200,000 iterations for comparison. The results indicate that the TS algorithm is superior, providing the best solution in 13 instances. The use of a tabu list enhanced the search process’s efficiency by preventing redundant modifications. The Kempe chain LLH exhibited a tendency towards achieving better solutions.

A comparison of meta-heuristic and hyper-heuristic algorithms in solving an urban transit routing problems Muklason, Ahmad; Ahlan Robbani, Shof Rijal; Riksakomara, Edwin; Premananda, I Gusti Agung
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 13, No 3: September 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v13.i3.pp2923-2933

Public transport is a serious problem that is difﬁcult to solve in many countries. Public transport routing optimization problem also known as urban transit routing problem (UTRP) is time-consuming process, therefore effective approches are urgently needed. UTRP aims to minimize cost passenger and operator from a combination of route set. UTRP can be optimize with heuristics, meta-heuristics, and hyper-heuristics methods. In several previous studies, UTRP can be optimized with any meta-heuristics and hyper-heuristics methods. In this study we compare the performance of meta-heuristic methods, i.e. ill-climbing, simulated annealing, and hyper-heuristics method based on modiﬁed particle swarm optimization algorithm. The experimental results showed that the proposed methods could solve UTRP effectively. Regarding their performance, the results show that despite the generality of hyper-heuristics, their performance are competitive. More speciﬁcally, hyper-heuristics method is the best method compared to the other two methods in each dataset. In addition, compared to prior studies results, he proposed hyper-heuristics could outperform them in term of cost passenger of small dataset Mandl. The main contribution of this paper is that to best of our knowledge, it is the ﬁrst study comparing the performance of meta-heuristics and hyper-heuristics approaches over UTRP.

Analysis of Employee Work Stress Using CRISP-DM to Reduce Work Stress on Reasons for Employee Resignation Emral Hakim; Ahmad Muklason
Data Science: Journal of Computing and Applied Informatics Vol. 8 No. 2 (2024): Data Science: Journal of Computing and Applied Informatics (JoCAI)
Publisher : Talenta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32734/jocai.v8.i2-14615

Internal audit activities at EPC companies have found a trend of increasing work stress as a reason for employee resignation in the period Q4 2021 - Q1 2023. In implementing ISO 45001:2015 this must be controlled because it is a psychological occupational disease. For this reason, a work stress survey was carried out, the results of which were reviewed using Cross Industry Standard Process for Data Mining (CRISP-DM). Descriptive analysis found a maximum ratio of moderate stress of 66%, light stress of 39%, and severe stress of 9% with a risk matrix in Medium (yellow area). Descriptive analysis found a maximum ratio of moderate stress of 66%, light stress of 39%, and severe stress of 9% with a risk matrix in Medium (yellow area). Diagnostic analysis found a total of 19 questionnaires that affected severe stress and moderate stress. Cluster K-Modes shows 3 clusters being centroids with principal component values explaining around 4.92% of the original feature variance. The deployment of work stress control is carried out through focus group discussion to formulate Socialization, Externalization, Combination, Internalization (SECI) as a follow-up program for organization.

Perbandingan Metode Penyelesaian Permasalahan Optimasi Lintas Domain dengan Pendekatan Hyper-Heuristic Menggunakan Algoritma Reinforcement-Late Acceptance Firdaus, Anang; Muklason, Ahmad; Supoyo, Vicha Azthanty
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021853263

Sebuah organisasi terkadang membutuhkan solusi untuk permasalahan optimasi lintas domain. Permasalahan optimasi lintas domain merupakan permasalahan yang memiliki karakteristik berbeda, misalnya antar domain optimasi penjadwalan, rute kendaraan, bin packing, dan SAT. Optimasi tersebut digunakan untuk mendukung pengambilan keputusan sebuah organisasi. Dalam menyelesaikan permasalahan optimasi tersebut, dibutuhkan metode pencarian komputasi. Di literatur, hampir semua permasalahan optimasi dalam kelas NP-hard diselesaikan dengan pendekatan meta-heuristics. Akan tetapi meta-heuristic ini memiliki kekurangan, yaitu diperlukan parameter tunning untuk setiap problem domain yang berbeda. Sehingga pendekatan ini dirasa kurang efektif. Oleh karena itu diperlukan pendekatan baru, yaitu pendekatan hyper-heuristics. Metode hyper-heuristic merupakan metode pencarian komputasi approximate yang dapat menyelesaikan permasalahan optimasi lintas domain dengan waktu lebih cepat. Lintas domain permasalahan yang akan diselesaikan ada enam, yaitu satisfiability (SAT), one dimensional bin packing, permutation flow shop, personnel scheduling, travelling salesman problem (TSP), dan vehicle routing problem (VRP). Dalam meningkatkan kinerja, penelitian ini menguji pengaruh dari adaptasi algoritma Reinforcement Learning (RL) sebagai strategi seleksi LLH dikombinasikan dengan algoritma Late Acceptance sebagai move acceptance, selanjutnya disebut algoritma Reinforcement Learning-Late acceptance (RL-LA). Untuk mengetahui efektivitas performa dari algoritma RL-LA, performa algoritma RL-LA yang diusulkan dibandingkan dengan algoritma Simple Random-Late Acceptance (SR-LA). Hasil dari penelitian ini menunjukan bahwa algoritma yang diusulkan, i.e. RL-LA lebih unggul dari SR-LA pada 4 dari 6 domain permasalahan uji coba, yaitu SAT, personnel scheduling, TSP, dan VRP, sedangkan pada domain lainnya seperti bin packing dan flow shop mengalami penurunan. Secara lebih spesifik, RL-LA dapat meningkatkan peforma pencarian dalam menemukan solusi optimal pada 18 instance dari 30 instance atau sebesar 64%, dan jika dilihat dari nilai median dan minimum metode RL-LA lebih unggul 28% dari metode SR-LA. Kontribusi utama dari penelitian ini adalah studi performa algoritma hibrida reinforcement learning dan late acceptance dalam kerangka kerja hyper-heuristics untuk menyelesiakan permasalahan optimasi lintas domain. AbstractAn organization sometimes needs solutions to cross domain optimization problems. The problem of cross domain optimization is a problem that has different characteristics, for example between domain optimization scheduling, vehicle routes, bin packing, and SAT. This optimization is used to support an organization's decision making. In solving these optimization problems, a computational search method is needed. In the literature, almost all optimization problems in NP-hard class are solved by meta-heuristics approach. However, this meta-heuristic has drawbacks, namely tuning parameters are needed for each different problem domain. So this approach is considered less effective. Therefore a new approach is needed, namely the hyper-heuristics approach. Hyper-heuristic method is an approximate computational search method that can solve cross domain optimization problems faster. In this final project there are six cross domain problems to be solved, namely satisfaction (SAT), one dimensional bin packing, permutation flow shop, personnel scheduling, traveling salesman problem (TSP), and vehicle routing problem (VRP). In improving performance, this study examines the effect of the adaptation of the Reinforcement Learning (RL) algorithm as LLH selection combined with the Late Acceptance algorithm as a move acceptance. The results of this study indicate that there are 4 out of six problem domains that have improved performance, namely the SAT, personnel scheduling, TSP, and VRP, while in other domains such as bin packing and flow shop has decreased.

Optimasi Rute Rencana Perjalanan Pesawat Menggunakan Algoritma Late Acceptance Hill Climbing (Studi Kasus : Travelling Salesman Challenge 2.0) Muklason, Ahmad; Premananda, I Gusti Agung
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024106842

Permasalahan Traveling Salesman Problem (TSP) merupakan permasalahan klasik yang popular diteliti dalam bidang optimasi kombinatorika. Permasalahan ini bertujuan menentukan rute perjalanan terpendek untuk mengunjungi setiap lokasi tepat satu kali dan diakhir perjalanan harus kembali ke lokasi awal perjalanan dimulai. Permasalahan ini telah digolongkan sebagai permasalahan NP-Hard, sehingga membutuhkan algoritma non-deterministic untuk dapat menyelesaikan permasalahan ini. Dalam permasalahan nyata, salah satu penerapan TSP ada pada permasalahan untuk menentukan rute perjalanan termurah untuk mengunjungi beberapa kota di beberapa negara. Kompetisi Travelling Salesman Challenge 2.0 (TSC 2.0) mengangkat permasalahan ini dalam sebuah kompetisi pada tahun 2018. Untuk menyelesaikan studi kasus tersebut, penelitian ini menyembangkan algoritma Late Acceptance Hill Climbing (LAHC) menggunakan metode hiper-heuristik. Algoritma LAHC merupakan algoritma yang sederhana namun telah terbukti mampu mengoptimasi dengan baik pada beberapa permasalahan TSP. Algoritma LAHC diuji coba pada 14 dataset dari TSC 2.0. Hasil penelitian menunjukan algoritma LAHC menghasilkan solusi yang kompetitif dengan mampu menurunkan biaya perjalanan dengan rata-rata 58% dan menghasilkan hasil yang lebih baik dengan rata-rata 9% dari algoritma Threshold Acceptance (TA) yang digunakan sebagai algoritma pembanding. AbstractThe Traveling Salesman Problem (TSP) is a classic problem that is popularly researched in the field of combinatorics optimization. This problem aims to determine the shortest travel route to visit each location exactly once and, at the end of the trip, must return to where the trip started. This problem has been classified as an NP-Hard problem. Therefore it requires a non-deterministic algorithm to solve it. In the real world, one of the applications of TSP is the problem of determining the cheapest travel routes to visit several cities in several countries. The Traveling Salesman Challenge 2.0 (TSC 2.0) competition raised this issue in a competition in 2018. This study developed the Late Acceptance Hill Climbing (LAHC) algorithm using the hyper-heuristic method to complete the case study from TSC 2.0. The LAHC algorithm is simple but has been proven to optimize well for several TSP problems. The LAHC algorithm was tested on 14 datasets from TSC 2.0. The results show that the LAHC algorithm produces competitive solutions by reducing travel costs by an average of 58% and making better results by an average of 9% than the Threshold Acceptance (TA) algorithm used as a comparison algorithm.

Automated Course Timetabling Optimization Using Tabu-Simulated Annealing Hyper-Heuristics Algorithm Muklason, Ahmad; Marom, Ahsanul; Premananda, I Gusti Agung
Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika Vol. 10 No. 1 (2024): April 2024
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v10i1.4835

The topic of solving Timetabling Problems is an interesting area of study. These problems are commonly encountered in many institutions, particularly in the educational sector, including universities. One of the challenges faced by universities is the Course Timetabling Problem, which needs to be addressed regularly in every semester, taking into consideration the available resources. Solving this problem requires a significant amount of time and resources to create the optimal schedule that adheres to the predefined constraints, including both hard and soft constraints. As a problem of computational complexity, University Course Timetabling is NP-hard, meaning that there are no exact conventional algorithms that can solve it in polynomial time. Several methods and algorithms have been proposed to optimize course timetabling in order to achieve the optimal results. In this study, a new hybrid algorithm based on Hyper-Heuristics is developed to solve the course timetabling problem using the Socha Dataset. This algorithm combines the strengths of Simulated Annealing and Tabu Search to balance the exploitation and exploration phases and streamline the search process. The results show that the developed algorithm is competitive, ranking second out of ten previous algorithms, and finding the best solution in six datasets.

Co-Authors Adi Suryani, Adi Aelisa Nailin Nabila Agung Premananda, I Gusti Ahlan Robbani, Shof Rijal Alda Muhammad Sulaiman Amalia Utamima Amalinda Jayanty Angelita Depari, Helena Arif Djunaidy Arif Nuriman, Muhammad Berto Mulia Wibawa Chalid Sahuri, Afandi Diaz Perdana Emral Hakim Endarko Endarko Eskalalita, Eskalalita Fabroyir, Hadziq Faizal Mahananto Fajar Kurnia Malays Feby Artwodini Muqtadiroh Firdaus, Anang Grandys Frieska Prassida Hanif Mitsal Mahatta Hardhika Propitadewa I Gusti Agung Premananda I Gusti Agung Premananda Indraswari, Rarasmaya Ita Ulfin Jeremy Diaz Prasetyo Jihaan Harvi Habibah Lailatul Qadariyah Laura Wilhelmina Theresia M. Fiqri Ananda Marom, Ahsanul Mashuri Mashuri Mochamad Zidan Aqila Kamil Muhammad Ali Fikri Muhammad Aliffiro Naufal Muhammad Arif Nuriman Muhammad Daffa Maulana Muhammad Hisyam Muhammad Reza Pahlawan Naufal Rafiawan Basara Nazriyah Deni Tsaniyah Nur Aini Rakhmawati Nur Khofifah Nur Laila Nur Nindya Risnina Premananda, I Gusti Agung Putri, Malfa Liya Rahadiantino, Lienggar Rahma Fauzia Rahmawati, Deti Rahmawati, Deti Raras Tyas Nurita Raras Tyasnurita Retno A. Vinarti Retno Aulia Vinarti Riksakomara, Edwin Rizal Risnanda Hutama Septica Tiara Indah Permatasari Setiawan Setiyo Gunawan Soedarso Soedarso Soedarso Soedarso Soedarso, Soedarso Supoyo, Vicha Azthanty Supoyo, Vicha Azthanty Sutikno Tendio, Yusnardo Tri Achmadi Tsani Nahdliyah Ulya, Athiyatul Vicha Azthanty Supoyo Wiwik Anggraeni Wiwik Anggraeni Yunianto, Rahmanizar Maksum

Title

Found 32 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 32 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 32 Documents
Search