Article Per Year (5 Year)
p-Index From 2021 - 2026
5.606
P-Index
This Author published in this journals
All Journal Dinamik Bulletin of Electrical Engineering and Informatics INTEKNA POSITIF Jurnal Edik Informatika : Penelitian Bidang Komputer Sains dan Pendidikan Informatika Jurnal Surya Medika JOURNAL OF APPLIED INFORMATICS AND COMPUTING SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Jurnal Sinergitas PkM & CSR Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Teknologi dan Informasi INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Al-Tamimi Kesmas: Jurnal Ilmu Kesehatan Masyarakat (Journal of Public Health Sciences) Jurnal Informasi dan Teknologi Jurnal Persatuan Perawat Nasional Indonesia (JPPNI) Tematik : Jurnal Teknologi Informasi Komunikasi Phasti: Jurnal Teknik Informatika Politeknik Hasnur Jumat Informatika: Jurnal Pengabdian Masyarakat Majalah Ilmiah UPI YPTK Dinamika Kesehatan: Jurnal Kebidanan dan Keperawatan Journal of Pharmaceutical Care and Sciences Jurnal Rumpun Ilmu Kesehatan Health Research Journal of Indonesia Journal of Advances in Medicine and Pharmaceutical Sciences Health Sciences International Journal Adpebi Science Series KOPEMAS INSTALL: Information System and Technology Journal
Muhammad Zulfadhilah
Teknologi Informasi, Universitas Sari Mulia
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Transportation Other

Published : 47 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 47 Documents
Search

 1   2   3   4   5 
Eksplorasi Self-disclosure Generasi Z di Second Account  Instagram Menggunakan Classification Machine Learning Maulana, Rahmat; Eka Prastya, Septyan; Zulfadhilah, Muhammad; Noor Pratama, Ramadhani
Jurnal Teknologi dan Informasi (JATI) Vol 15 No 2 (2025): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v15i2.16847

Abstract

Fenomena penggunaan second account di Instagram oleh Generasi Z telah menjadi ruang privat yang memungkinkan individu melakukan self-disclosure secara lebih bebas tanpa tekanan sosial. Studi terdahulu umumnya mengkaji fenomena ini melalui pendekatan kualitatif, sehingga belum tersedia pemetaan pola keterbukaan diri berbasis teknologi analitik yang objektif. Penelitian ini bertujuan untuk mengeksplorasi pola self-disclosure Generasi Z pada second account Instagram menggunakan lima dimensi Devito, Intention, Amount, Valence, Accuracy, dan Intimacy, serta mengklasifikasikan pola tersebut dengan algoritma Decision Tree. Pendekatan ini diharapkan dapat memberikan pemahaman yang lebih terukur dibanding metode kualitatif. Penelitian menggunakan metode kuantitatif dengan pengumpulan data melalui lembar observasi kepada 500 responden Generasi Z yang memiliki second account. Data dianalisis melalui tahap preprocessing, feature engineering, dan klasifikasi menggunakan Decision Tree dengan evaluasi model berdasarkan akurasi, precision, recall dan F1-Score. Hasil menunjukkan dimensi Accuracy, Valence, dan Intimacy sebagai faktor dominan dalam membedakan kategori self-disclosure, dengan mean_Accuracy sebagai root node. Model mencapai akurasi 79,3%, menunjukkan efektivitas Decision Tree dalam klasifikasi perilaku digital. Secara teoritis, penelitian ini memperluas penerapan teori Devito dalam konteks media sosial melalui integrasi machine learning. Secara praktis, temuan ini dapat menjadi acuan bagi pengembang platform dan praktisi komunikasi digital dalam merancang strategi yang selaras dengan pola keterbukaan diri Generasi Z di ruang privat daring.
FAKTOR FAKTOR YANG MEMPENGARUHI KEJADIAN STUNTING PADA BALITA DI WILAYAH KERJA PUSKESMAS TAMBARUNTUNG Misnawati; Zulfadhilah , Muhammad; Hestiyana, Nita; Novalia Widiya Ningrum
Al Tamimi Kesmas: Jurnal Ilmu Kesehatan Masyarakat (Journal of Public Health Sciences) Vol 12 No 2 (2023): Al-Tamimi Kesmas: Jurnal Ilmu Kesehatan Masyarakat (Journal of Public Health Sci
Publisher : Institut Kesehatan dan Teknologi Al Insyirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35328/kesmas.v12i2.2510

Abstract

Prevalensi balita stunting di Kalimantan Selatan 31,75% dan di Kabupaten Tapin sebesar 36,04% dan berada pada peringkat kelima tertinggi se-Kalimantan Selatan. Dengan adanya prevalensi tersebut maka dilakukan penelitian ini untuk mengetahui faktor-faktor   yang mempengaruhi kejadian stunting pada balita di wilayah kerja Puskesmas Tambaruntung Kecamatan Tapin Tengah.  Jenis penelitian observasional analitik dengan rancangan penelitian cross sectional. Dilaksanakan di wilayah kerja Puskesmas Tambaruntung dengan jumlah sampel sebanyak 89 anak balita dengan cara Simple Random Sampling, mengunakan uji Chi-Square. Responden penelitian ibu balita. Variabel independen penelitian adalah ASI Eksklusif, pengetahuan ibu, dan status gizi ibu. Adapun variabel dependen penelitian yaitu kejadian stunting. Kejadian stunting pada balita tahun 2023 adalah 35,95%, ASI Eksklusif 55,1%, berpengetahuan baik sebesar 57,30% dan ibu balita dengan KEK 46,1%. Uji analisis statistik Crosstabulation Chi-Square p=0,000 dapat disimpulkan bahwa ada Pengaruh  antara pemberian ASI Eksklusif, pengetahuan ibu, dan status gizi ibu dan dengan kejadian stunting di wilayah kerja Puskesmas Tambaruntung Kecamatan Tapin Tengah
Aktivitas Antioksidan Ekstrak dan Fraksi n-Heksan Daun Benalu (Dendrophthoe petandra (L.) Miq) dengan Metode FRAP (Ferric Reducing Antioxidant Power) serta Penetapan Kadar Flavonoid Total: Antioxidant Activity of Extract and n-Hexane Fraction of Benalu Leaves (Dendrophthoe petandra (L.) Miq) Using The FRAP (Ferric Reducing Antioxidant Power) Method and Determination of Total Flavonoid Level Ermadiningtyas, Retno; Nastiti, Kunti; Zulfadhilah, Muhammad
Jurnal Surya Medika (JSM) Vol. 10 No. 2 (2024): Jurnal Surya Medika (JSM)
Publisher : Institute for Research and Community Services Universitas Muhammadiyah Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33084/jsm.v10i2.5606

Abstract

Daun Benalu (Dendrophthoe petandra (l..) Miq) merupakan salah satu tanaman yang digunakan masyarakat Daerah Mentewe, Tanah Bumbu, Kalimantan Selatan untuk mengobati amandel (tonsilitis). Daun benalu diperoleh dari tanaman yang tumbuh di jeruk nipis. Tanaman ini mengandung senyawa flavonoid yang mempunyai banyak aktivitas farmakologi salah satunya sebagai antioksidan. Tujuan penelitian ini untuk mengetahui aktivitas antioksidan ekstrak dan fraksi n-Heksan pada daun benalu (Dendrophthoe petandra (L.) Miq) dengan metode FRAP (Ferric Reducing Antioxidant Power) serta penetapan kadar flavonoid total. Metode yang digunakan dalam penelitian ini adalah metode eksperimental dengan metode ekstraksi maserasi dengan menggunakan etanol 96%. Hasil ekstrak dilakukan pengujian antioksidan dengan metode FRAP dan penetapan kadar flavonoid total. Aktivitas antioksidan dan penetapan kadar flavonoid diukur mrnggunakan spektrofotometri Uv-Vis. Hasil penelitian menunjukkan aktivitas ekstrak dan fraksi n-Heksan daun benalu berturut-turut memiliki nilai sebesar 72,57 dan 70,09 mgAAE/g. Kadar flavonoid total berturut-turut sebesar 12,443 dan 3,43 mg QE(Quersetin Equivalen). Ekstrak memiliki aktivitas antioksidan dan kadar flavonoid yang tinggi daripada fraksi n-Heksan pada daun benalu (Dendrophthoe petandra (L.) Miq).
Validasi Gerakan Sit-Up dengan Penerapan Konsep Trigonometri dalam Simulasi Python Rahmini Rahmini; Septyan Eka Prastya; Muhammad Zulfadhilah; Muhammad Ziki Elfirman; Usman Syapotro; Haldi Budiman
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 5 (2025): Oktober 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i5.9765

Abstract

Abstrak - Aktivitas sit-up merupakan salah satu latihan fisik yang umum digunakan untuk melatih kekuatan otot perut, namun sering dilakukan dengan teknik yang salah sehingga berpotensi menimbulkan cedera. Penelitian ini bertujuan mengembangkan sistem validasi gerakan sit-up berbasis computer vision dengan pendekatan trigonometri untuk mendeteksi kesesuaian sudut tubuh. Metode yang digunakan adalah pemanfaatan framework MediaPipe untuk ekstraksi titik sendi (keypoints), kemudian dilakukan perhitungan sudut pinggul dan lutut menggunakan aturan kosinus trigonometri. Validasi dilakukan dengan kriteria sudut pinggul 50°–100° dan lutut 60°–110°. Sistem diimplementasikan menggunakan Python dan Flask sebagai antarmuka. Hasil pengujian menunjukkan bahwa metode ini mampu mengidentifikasi gerakan sit-up dengan tingkat akurasi tinggi dan memberikan umpan balik secara real-time. Penelitian ini membuktikan bahwa kombinasi computer vision dan trigonometri dapat digunakan secara efektif dalam validasi gerakan olahraga.Kata kunci: Sit-up; Validasi Gerakan; MediaPipe; Trigonometri; Computer Vision; Abstract - Sit-up is one of the most common physical exercises for strengthening abdominal muscles, but it is often performed incorrectly, leading to a high risk of injury. This study aims to develop a sit-up movement validation system based on computer vision using trigonometric approaches to detect body angle conformity. The method applies the MediaPipe framework to extract body keypoints, followed by angle calculation of the hip and knee joints using the cosine rule of trigonometry. Validation is conducted using hip angle criteria of 50°–100° and knee angle criteria of 60°–110°. The system is implemented in Python with Flask as the user interface. Experimental results show that this method successfully identifies sit-up movements with high accuracy and provides real-time feedback. This study demonstrates that combining computer vision and t
Exploratory Data Analysis Pernikahan di Kabupaten Banjar dengan Pendekatan Machine Learning Nor Azizah; Mambang Mambang; Subhan Panji Cipta; Muhammad Zulfadhilah; Usman Syapotro; Haldi Budiman
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 3 (2025): Juni 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i3.9063

Abstract

Abstrak - Pernikahan adalah ikatan suci antara seorang pria dan wanita yang dilakukan dengan tujuan beribadah kepada Allah SWT. Tujuan dari pernikahan adalah untuk membentuk keluarga yang sakinah (tentram), mawaddah (cinta), dan rahmah (kasih sayang). Laporan Statistik Indonesia mencatat 1,7 juta pernikahan di Indonesia pada tahun 2022, turun 2,1% dari 1,74 juta pernikahan tahun 2021. Ini adalah angka terendah dalam sepuluh tahun terakhir, didorong oleh tren pernikahan yang menurun di Indonesia sejak 2012, yang merupakan angka tertinggi dalam sepuluh tahun terakhir. Penelitian ini bertujuan untuk mengkaji dataset pernikahan di Kabupaten Banjar dengan fokus pada hubungan antara jumlah pernikahan, pendidikan, dan usia pengantin menggunakan Exploratory Data Analysis (EDA) dan machine learning. Hasil penelitian menunjukkan korelasi kuat nilai 0,99 hingga 1 antara jumlah pernikahan, usia dan pendidikan pasangan. Kelompok usia 21–30 tahun dan dengan tingkat pendidikan SLTA memiliki tingkat pernikahan tertinggi. Hasil ini menunjukkan bahwa Exploratory Data Analysis (EDA) sangat penting untuk memahami pola sosial berdasarkan analisis data statistik.Kata kunci: exploratory data analysis; machine learning; pernikahan; supervised learning; python. Abstract - Marriage is a sacred bond between a man and a woman, undertaken with the intention of worshiping Allah SWT. The purpose of marriage is to build a family that is sakinah (peaceful), mawaddah (full of love), and rahmah (compassionate). According to the Indonesian Statistics Report, there were 1.7 million marriages in Indonesia in 2022, marking a 2.1% decrease from 1.74 million marriages in 2021. This represents the lowest number of marriages in the past decade, driven by a declining marriage trend in Indonesia since 2012, which was the peak year in that period. This study aims to examine the marriage dataset in Banjar Regency, focusing on the relationship between the number of marriages, educational background, and the age of the bride and groom using Exploratory Data Analysis (EDA) and machine learning. The results show a strong correlation, with values ranging from 0.99 to 1, between the number of marriages, age, and education levels of the couples. The highest marriage rates were observed among individuals aged 21–30 with a senior high school (SLTA) education level. These findings highlight the importance of Exploratory Data Analysis (EDA) in understanding social patterns through statistical data analysis.Keywords: exploratory data analysis; machine learning; marriage; supervised learning; python.
Analisis Sentimen Terhadap Tindakan Kekerasan Seksual pada Media Sosial Tiktok Menggunakan Metode Support Vector Machine (SVM) Indah Wulandari; Septyan Eka Prastya; Muhammad Zulfadhilah; Rudy Anshari
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 2 (2025): April 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i2.8892

Abstract

Abstrak - Pada aplikasi TikTok banyak sekali kita temukan konten – konten atau postingan video mengenai berita yang sedang viral di Indonesia terutama berita mengenai kekerasan seksual. Pada postingan tentang kekerasan seksual tersebut tidak jarang kita jumpai komentar para masyarakat atau netizen Indonesia yang mengacu pada korban. Tujuan penelitian dilakukan untuk mengidentifikasi pola pendapat atau reaksi yang diberikan oleh pengguna TikTok terhadap tindakan kekerasan seksual dalam komentar pada postingan video menggunakan Metode Support Vector Machine (SVM). Dalam penelitian ini, metode svm yang dikembangkan mencapai akurasi sebesar 79%, hal ini menunjukkan bahwa metode svm yang telah dilatih mampu melakukan klasifikasi sentimen dengan baik pada data uji. Dengan hasil yang didapatkan pada penelitian yang dilakukan menunjukkan bahwa hasil analisis sentimen negatif sekitar 43.6% lebih rendah dibandingkan dengan komentar positif yaitu sekitar 56.4%, selain itu metode svm dapat melakukan analisis sentimen terhadap komentar kekerasan seksual dengan hasil akurasi 79%. Hasil penelitian menunjukkan akurasi metode svm 79%, analisis menunjukkan bahwa 56.4% komentar bersifat positif. hal ini menunjukkan bahwa 56.4% mayoritas pengguna TikTok cenderung memberikan komentar yang mendukung dan empati terhadap korban yang mengalami kekerasan seksual.Kata kunci: kekerasan seksual, sentimen analisis, support vector machine (svm), tiktok.  Abstract - On the TikTok application, we often find content or video posts about news that is currently viral in Indonesia, especially news about sexual violence. In posts about sexual violence, we often find comments from the Indonesian public or netizens referring to the victim. The purpose of this study was to identify patterns of opinion or reactions given by TikTok users to acts of sexual violence in comments on video posts using the Support Vector Machine (SVM) Method. In this study, the svm method developed achieved an accuracy of 79%, this shows that the trained svm method is able to classify sentiment well on the test data. The results obtained in the study showed that the results of the negative sentiment analysis were around 43.6% lower than positive comments, which were around 56.4%, in addition the svm method can analyze sentiment on comments about sexual violence with an accuracy of 79%. The results of the study showed that the accuracy of the svm method was 79%, the analysis showed that 56.4% of the comments were positive. This shows that 56.4% of the majority of TikTok users tend to provide comments that support and empathize with victims who experience sexual violence.Keywords: sexual violence, sentiment analysis, support vector machine (SVM), TikTok.
Online Analisis Sentimen pada Pemilihan Umum Presiden di Kota Banjarmasin 2024 Nur Syifa; Bayu Nugraha; Muhammad Zulfadhilah
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 6 (2024): Desember 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i6.8175

Abstract

Abstrak - Penelitian ini dilakukan untuk mengeksplorasi dinamika politik di era digital dan menggali pandangan serta sentimen masyarakat Banjarmasin terkait Pemilihan Umum Presiden 2024. Media sosial memainkan peran penting sebagai alat ekspresi politik dan pertukaran ide. Analisis sentimen digunakan untuk mengevaluasi opini publik dan preferensi politik masyarakat di Banjarmasin. Penelitian ini  bertujuan untuk mengamati dan menganalisis opini masyarakat di media sosial terkait Pilpres 2024. Selain itu, penelitian ini ingin memahami proses pengumpulan data opini masyarakat dan menganalisisnya menggunakan metode Support Vector Machine (SVM). Penelitian ini juga bertujuan untuk mengklasifikasikan sentimen menjadi positif atau negatif dan memahami pengaruhnya terhadap pandangan politik masyarakat. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM). Data dikumpulkan dari platform media sosial dan form observasi masyarakat Banjarmasin. Distribusi kelas di seluruh dataset menunjukkan ketidakseimbangan yang signifikan, dengan 96,1% data berlabel positif (1071 sampel) dan hanya 3,9% berlabel negatif (44 sampel). Hasil evaluasi model menunjukkan bahwa model Support Vector Machine yang digunakan memiliki tingkat akurasi sebesar 94,62%. Penelitian ini menyoroti dominasi peran Instagram dan platform X dalam mempengaruhi arus informasi dan diskusi publik mengenai Pilpres 2024. Model Support Vector Machine (SVM) terbukti efektif dalam mengklasifikasikan sentimen dengan tingkat akurasi mencapai 94,62%, membuatnya menjadi alat yang kuat untuk analisis sentimen dalam konteks politik modern.Kata Kunci: akurasi, analisis sentimen, media sosial, pemilihan umum presiden, support vector machine (svm). Abstract -  This research aims to explore the political dynamics in the digital era and examine the views and sentiments of the people of Banjarmasin regarding the 2024 Presidential Election. Social media plays a significant role as a tool for political expression and idea exchange. Sentiment analysis is used to evaluate public opinion and political preferences of the people in Banjarmasin. The study aims to observe and analyze public opinions on social media regarding the 2024 Presidential Election. Additionally, it seeks to understand the data collection process of public opinions and analyze them using the Support Vector Machine (SVM) method. The study also aims to classify sentiments as positive or negative and understand their impact on the political views of the public.  The method used in this study is the Support Vector Machine (SVM). Data were collected from social media platforms and observation forms distributed to the people of Banjarmasin. The distribution of classes across the dataset showed significant imbalance, with 96.1% of the data labeled positive (1071 samples) and only 3.9% labeled negative (44 samples). Model evaluation results indicated that the Support Vector Machine model used had an accuracy rate of 94.62%. Conclusion: This study highlights the dominant role of Instagram and platform X in influencing the flow of information and public discourse regarding the 2024 Presidential Election. The Support Vector Machine (SVM) model proved effective in classifying sentiments with an accuracy rate of 94.62%, making it a powerful tool for sentiment analysis in the modern political context.Keywords: accuracy, presidential election, sentiment analysis, social media, support vector machine (svm).
Co-Authors ., Mambang Abdul Kadir Adryan Ramadhan Ahmad Busairi Ahmad Faisal Ahmad Ghazali Madhony Ahmad Riki Renaldi Ahmad Riki Renaldy Angga Irawan Anggraini Susfarwanti Annisa Annisa Anshori Prasetya, Muhammad Riko Antonia Yenitia Asyiah Asyiah Aulia Rahma Aulia, Hudatul AULIA, RIZKA Bayu Nugraha Bayu Nugraha Bima Wicaksono Cipta, Subhan Panji Darini Kurniawati Dewi Pusparani Sinambela, Dewi Pusparani Dwi Salmarini, Desilestia Eka Prastya, Septyan Ermadiningtyas, Retno Finki Dona Marleny Fitriani Fitriani Gusti Zahratunnisa Hadi, Nofie Haldi Budiman Haniffah Sri Rinjani Heni Pujiastuti Hikmah, Rahmadaniati Hudatul Aulia Husna Karima Husna Karima Imam Riadi Indah Wulandari Irawan, Angga Iwan Yuwindry Jaya Hari Santoso Junius Akbar Karlina Karlina Kartika Kartika Kartika Kartika Kelana, Enisda Libra Lisda Handayani, Lisda Lisyanti, Fatthiya Lufila Fila M Samsul Hasbi M Samsul Hasmi Mambang Maria Ulfah Maulana, Maghfur Maulana, Rahmat Melda Melda Miranda Miranda Misnawati Muhammad Khairul Akbar Muhammad Riduan Syafi’i Muhammad Satrio Ayuba Muhammad Zaini Bakri Muhammad Ziki Elfirman Muthia Elma Mutmainah Mutmainah Naparin, Husni Nastiti, Kunti Nita Hestiyana, Nita Noor Pratama, Ramadhani Nopie Hadi Nor Azizah Novalia Widiya Ningrum Novita Dewi Iswandari Nur Hidayah Nur Lathifah Nur Meilianti Maulida Nur Syifa Nurhaeni Nurhaeni Nurhaeni Nurhaeni NURUL HIDAYAH Pebriadi, Muhammad Syahid Prastya, Septyan Eka Putri Putri Putri Yuliantie Rahmini Rahmini Rhafiq Abdul Ghani Riduansyah, Muhammad Risma Maulida Risma Risma Rismawati Rismawati Rizkian Muhammad Fikri Ropikah Ropikah Rudy Anshari Samita, Mambang Sandro Nesta Pembriano Sari, Rahmadah Septian Eka Prastya Septyan Eka Prasetya Septyan Eka Prastya Septyan Eka Prastya Setia Budi Shopa Handayani Siti Gadis Hardianti Subhan Panji Cipta Subhan Panji Cipta Sultan Arrasyid Susanti Suhartati, Susanti Syapotro, Usman Tasya Salsabila Umi hanik Fetriyah, Umi hanik Usman Syapotro Viviana Viviana Winda Maolinda, Winda Wulandari Febriani Wusko, Ikna Urwatul Yudi prayudi Yunandar Yunandar Yusri Yusri Zaini Lambri Assyaifi