Article Per Year (5 Year)
p-Index From 2021 - 2026
7.132
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi) Transmisi: Jurnal Ilmiah Teknik Elektro Semantik Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris Jurnal Teknologi dan Manajemen Informatika TELKOMNIKA (Telecommunication Computing Electronics and Control) Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal Ilmiah Kursor Jurnal Teknologi Informasi dan Ilmu Komputer Majalah Ilmiah MOMENTUM Jurnal Informatika Upgris Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA JOURNAL OF APPLIED INFORMATICS AND COMPUTING International Journal of New Media Technology ILKOM Jurnal Ilmiah MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Teknologi Sistem Informasi dan Aplikasi Systemic: Information System and Informatics Journal Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Building of Informatics, Technology and Science Infotekmesin Jurnal Teknologi Dan Sistem Informasi Bisnis Journal of Robotics and Control (JRC) JTIULM (Jurnal Teknologi Informasi Universitas Lambung Mangkurat) Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Teknologi Informasi Cyberku Moneter : Jurnal Keuangan dan Perbankan
Ricardus Anggi Pramunendar
Faculty Of Computer Science, Universitas Dian Nuswantoro
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mechanical Engineering Public Health Social Sciences Other

Published : 81 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 81 Documents
Search

 3   4   5   6   7 
PENGEMBANGAN DAN IMPLEMENTASI DOCKER UNTUK MEMAKSIMALKAN UTILITAS SERVER UNIVERSITAS PADA MASA COVID-19 Rama Aria Megantara; Farrikh Alzami; Ricardus Anggi Pramunendar; Dwi Puji Prabowo
Transmisi: Jurnal Ilmiah Teknik Elektro Vol 24, No 2 April (2022): TRANSMISI: Jurnal Ilmiah Teknik Elektro
Publisher : Departemen Teknik Elektro, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/transmisi.24.2.48-54

Abstract

Covid-19 membuat seluruh kegiatan produktif manusia terdisrupsi, tak terkecuali pada Pendidikan. kegiatan belajar yang seharusnya tatap muka kemudian berganti menjadi daring, memaksa universitas untuk membelanjakan anggaran tidak terduga untuk mendukung infrastruktur pembelajaran secara daring terutama server dan system Pendidikan daring yang Tangguh. Masalah yang peneliti angkat adalah kegiatan mahasiswa praktek untuk penggunaan alat maupun melakukan pemprograman yang membutuhkan sumber daya yang cukup besar. Dengan berfokus pada masalah pemprograman, peneliti menggunakan pendekatan pemanfaatan linux dan docker untuk membantu mahasiswa menggunakan sumber daya Perguruan Tinggi tanpa mengeluarkan biaya tambahan seperti pembelian computer baru maupun penambahan biaya listrik. Dari hasil Quisioner, didapatkan bahwa Server Docker yang dibangun, telah membantu 40 partisipant dalam menjalankan kegiatan belajar mengajar dan penelitian
PREDIKSI KATA KASAR BERBAHASA INDONESIA MENGGUNAKAN MACHINE LEARNING BERBASIS MOBILE INFRASTRUCTURE Puri Sulistiyawati; Farrikh Alzami; Dwi Puji Prabowo; Ricardus Anggi Pramunendar; Rama Aria Megantara; Nuanza Purinsyira; Enrico Irawan
Transmisi: Jurnal Ilmiah Teknik Elektro Vol 24, No 2 April (2022): TRANSMISI: Jurnal Ilmiah Teknik Elektro
Publisher : Departemen Teknik Elektro, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/transmisi.24.2.55-61

Abstract

Komentar kasar dan menyinggung dapat dijelaskan sebagai komunikasi yang bertujuan membuat satu atau lebih individu untuk berlaku marah. Oleh karena itu, diperlukan sebuah pendekatan untuk mengetahui apakah kalimat komentar yang akan ditulis merupakan komentar kasar atau bukan.  Kemudian, melihat dari keseharian penduduk Indonesia yang tidak terlepas dari smartphone, memberikan peluang untuk memberikan edukasi kepada pengguna smartphone bagaimana mendeteksi komentar kasar. Maka, pengembangan aplikasi berbasis android perlu dikembangkan. Penelitian ini bertujuan mengembangkan aplikasi mobile sentimen analisis deteksi kata kasar menggunakan TF-IDF sebagai fitur ekstraksi dan Naïve Bayes berbasis android flutter yang intuitif. Hasil pengujian menunjukkan nilai training akurasi 98%, training recall 98%, training precision 99%, testing accuracy 84.26%, testing recall 86.81%, dan testing precission 83.15%. Dengan demikian, aplikasi ini telah dapat memberikan prediksi yang baik sesuai harapan.
Optimizing Parameters for Earthquake Prediction Using Bi-LSTM and Grey Wolf Optimization on Seismic Data Shidik, Guruh Fajar; Pramunendar, Ricardus Anggi; Purwanto, Purwanto; Hasibuan, Zainal Arifin; Dolphina, Erlin; Kusumawati, Yupie; Sriwinarsih, Nurul Anisa
Journal of Robotics and Control (JRC) Vol 5, No 4 (2024)
Publisher : Universitas Muhammadiyah Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/jrc.v5i4.22199

Abstract

Earthquakes pose a significant threat to societies worldwide, underscoring the urgent need for advanced prediction technologies. This study introduces an optimization technique aimed at reducing the error rate in earthquake prediction by selecting the most suitable parameters for a Bi-LSTM (Bidirectional Long Short-Term Memory) model. Despite Bi-LSTM's promising outcomes, variations in parameters can impact performance, necessitating careful parameter selection. This research employs Grey Wolf Optimization (GWO) to optimize parameters and evaluates its effectiveness against other group optimization approaches to identify the most efficient parameters for earthquake prediction. Additionally, a multiple input multiple output (MIMO) architecture is implemented to enhance prediction accuracy. The evaluation results demonstrate that GWO outperforms other optimization techniques, achieving a reduced loss score of 0.364. The ANOVA method yields a p-value approaching 0, indicating statistical significance. This study contributes to the development of early warning systems for earthquake disasters by emphasizing the importance of parameter optimization in earthquake prediction and showcasing the effectiveness of Bi-LSTM and GWO methodologies.
Pemanfaatan Konfigurasi Layer Pada Metode CNN Untuk Peningkatan Kinerja Klasifikasi Penyakit Daun Tomat Sari, Yuslena; Firmansyah, Muhammad Ilham; Pramunendar, Ricardus Anggi
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 10, Issue 3, Year 2022 (July 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.13953

Abstract

Tomat adalah salah satu komoditas hortikultura dengan nilai ekonomi yang tinggi, tantang yang dihadapi oleh petani salah satunya dalah kerentanan penyakit tomat terhadap penyakit. Identifikasi secara visual pada daun sulit diuraikan dengan sekali pandang, sehingga menyebabkan asumsi yang tidak akurat tentang penyakit tersebut. Akibatnya, mekanisme pencegahan yang dilakukan petani menjadi tidak efektif dan berdampak merugikan. Penelitian ini mengusulkan identifikasi penyakit tomat secara automatis menggunakan metode Convolution Neural Network. Dalam makalah ini kami melakukan evaluasi pada metode CNN dengan arsitektur Alexnet dengan konfigurasi layer untuk mencari hasil kinerja terbaik dari penggunaan parameter tersebut pada architektur Alexnet. Pada penelitian ini juga melakukan analisis yang diperoleh dari hubungan antara parameter yang digunakan terhadap kinerja akurasi, dan analisis terhadap dampak penggunaan parameter dengan jumlah dataset daun tomat dari dataset PlantVillage.
DEVELOPMENT OF TIME-SERIES-BASED MLOPS ARCHITECTURE FOR PREDICTING SALES QUANTITY IN MICRO, SMALL, AND MEDIUM ENTERPRISES (MSMES) Lesmarna, Salsabila Putri; Alzami, Farrikh; Rizqa, Ifan; Salam, Abu; Aqmala, Diana; Megantara, Rama Aria; Pramunendar, Ricardus Anggi
Transmisi: Jurnal Ilmiah Teknik Elektro Vol 26, No 2 April (2024): TRANSMISI: Jurnal Ilmiah Teknik Elektro
Publisher : Departemen Teknik Elektro, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/transmisi.26.2.64-69

Abstract

Micro, Small, and Medium Enterprises (MSMEs) constitute a significant portion of the economy in many developing countries, playing a vital role in employment generation and economic growth. Sales performance is a critical factor for MSMEs, influenced by various internal and external factors. Time-series analysis offers a valuable tool to predict sales quantities by analyzing historical data and identifying patterns and trends. In this context, the SARIMAX (Seasonal Autoregressive Integrated Moving Average with Exogenous Variables) model emerges as a suitable method to forecast future sales, leveraging both historical data and external variables. This research explores the synergy between time-series analysis, specifically SARIMAX modeling, and MLOps (Machine Learning Operations). Finally, this research aims to provide a framework for the practical application of MLOps to enhance sales forecasting and decision-making processes within MSMEs, fostering their growth and sustainability in a competitive market landscape.
Prediksi Banjir Berdasarkan Indeks Curah Hujan Menggunakan Deep Neural Network (DNN) Fafaza, Safira Alya; Rohman, Muhammad Syaifur; Pramunendar, Ricardus Anggi; Sri Winarsih, Nurul Anisa; Saraswati, Galuh Wilujeng; Saputra, Filmada Ocky; Ratmana, Danny Oka; Shidik, Guruh Fajar
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 8, No 1 (2024): Januari 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v8i1.7098

Abstract

Floods are natural disasters that often occur and are among the most destructive because they have significant economic and social impacts. Accurate flood predictions are essential to manage risk and organize emergency response planning effectively. This research uses Deep Neural Network (DNN) to build a flood forecasting model that relies on rainfall index indicators and captures complex and ever-changing patterns obtained from rainfall index data. Using historical information from flood disaster events in Kerala, India, an analysis was conducted to assess the impact of various factors, particularly in learning rate and optimizer type, on model performance. The experimental results show that the type of optimizer is a crucial factor in determining the model's effectiveness, as shown in the ANOVA statistics with a P-value of 0.008493, much lower than the general threshold of 0.05. This is because this type of optimizer can significantly improve prediction accuracy. With the Adam optimizer type, the learning rate range is between 0.1 and 0.4, showing an accuracy level of up to 100%. However, the choice of learning rate does not significantly impact, indicating that the main emphasis on parameter adjustment should be determined accurately. Therefore, by carrying out appropriate parameter adjustments and thorough validation to find the optimal configuration that can increase accuracy in predicting flood disasters based on rainfall indices, the DNN model has the potential to become a tool that can assist in flood risk planning and management.
Perbandingan Efektivitas Nave Bayes dan SVM dalam Menganalisis Sentimen Kebencanaan di Youtube Azzahra, Tarissa Aura; Winarsih, Nurul Anisa Sri; Saraswati, Galuh Wilujeng; Saputra, Filmada Ocky; Rohman, Muhammad Syaifur; Ratmana, Danny Oka; Pramunendar, Ricardus Anggi; Shidik, Guruh Fajar
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 8, No 1 (2024): Januari 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v8i1.7186

Abstract

Advancements in the field of Natural Language Processing (NLP) have opened significant opportunities in sentiment analysis, particularly in the context of disaster response. In today's digital era, YouTube has emerged as a primary source for the public to acquire information regarding critical events. This study explores and compares two dominant sentiment analysis techniques, namely Naive Bayes and Support Vector Machine (SVM). It utilizes YouTube comment data related to natural disasters to test the effectiveness of these algorithms in identifying and classifying public sentiment as neutral, positive, or negative. The process involves collecting comment data, pre-processing the data, and applying Term-Frequency-Inverse Document Frequency (TF-IDF) weighting to prepare the data for analysis. Subsequently, the performance of both models is evaluated based on metrics such as accuracy, precision, recall, and F1 score. The results indicate that while both algorithms have their strengths and weaknesses, SVM tends to show better performance in sentiment classification, especially in terms of accuracy and precision, with an accuracy result of 92% and precision of 89% for negative predictions and 94% for positive predictions. On the other hand, Naive Bayes only achieved an accuracy of 79% and a precision of 91% for negative predictions and 73% for positive predictions. This study provides significant insights into the application of machine learning algorithms in sentiment analysis.
Peningkatan Deteksi Posisi Wajah Manusia dengan Metode Normal PDF berbasis Algoritma Viola-Jones Pramunendar, Ricardus Anggi; Megantara, Rama Aria; Alzami, Farrikh; Prabowo, Dwi Puji; Pergiwati, Dewi; Sinaga, Daurat
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 15, No 1 (2024): JURNAL SIMETRIS VOLUME 15 NO 1 TAHUN 2024
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v15i1.10617

Abstract

Deteksi kulit manusia dalam pengolahan citra memiliki peran penting dalam aplikasi seperti analisis gerakan, pencarian citra berbasis konten, interaksi manusia komputer, dan analisis pelacakan gerakan manusia. Meskipun banyak penelitian telah dilakukan, masih ada kendala dalam menghadapi variasi warna kulit manusia yang kompleks. Dalam penelitian ini, diusulkan peningkatan kinerja deteksi kulit manusia dengan memanfaatkan algoritma deteksi wajah Viola-Jones untuk menentukan posisi wajah dalam citra. Selain itu, diterapkan juga teknik pemisahan region kasar dan halus pada wajah guna meningkatkan hasil deteksi kulit manusia. Penggunaan Normal PDF digunakan untuk mencari probabilitas piksel kulit dalam citra. Metode yang diusulkan berhasil mencapai tingkat akurasi tinggi, di mana sebagian besar citra uji memiliki akurasi di atas 90%. Meskipun terdapat beberapa citra yang memiliki akurasi lebih rendah dibandingkan metode sebelumnya, secara keseluruhan metode yang diusulkan mampu meningkatkan kinerja deteksi kulit manusia. Oleh karena itu, penelitian ini memberikan kontribusi berharga dalam pengembangan metode deteksi kulit manusia yang lebih baik.
Forecasting Air Quality Indeks Using Long Short Term Memory Ramadhani, Irfan Wahyu; Saputra, Filmada Ocky; Pramunendar, Ricardus Anggi; Saraswati, Galuh Wilujeng; Winarsih, Nurul Anisa Sri; Rohman, Muhammad Syaifur; Ratmana, Danny Oka; Shidik, Guruh Fajar
Journal of Applied Informatics and Computing Vol. 8 No. 1 (2024): July 2024
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v8i1.7402

Abstract

Exercise offers significant physical and mental health benefits. However, undetected air pollution can have a negative impact on individual health, especially lung health when doing physical activity in crowded sports venues. This study addresses the need for accurate air quality predictions in such environments. Using the Long Short-Term Memory (LSTM) method or what is known as high performance time series prediction, this research focuses on forecasting the Air Quality Index (AQI) around crowded sports venues and its supporting parameters such as ozone gas, carbon dioxide, etc. -others as internal factors, without involving external factors causing the increase in AQI. Preprocessing of the data involves removing zero values "‹"‹and calculating correlations with AQI and the final step performs calculations with the LSTM model. The LSTM model which adds tuning parameters, namely with epoch 100, learning rate with a value of 0.001, and batch size with a value of 64, consistently shows a reduction in losses. The best results from the AQI, PM2.5, and PM10 features based on performance are MSE with the smallest value of 6.045, RMSE with the smallest value of 4.283, and MAE with a value of 2.757.
Pembentukan Etika Digital melalui Program Belajar dan Bermain dalam Pemanfaatan Internet di SD Islam Bilingual Annisa Ratmana, Danny Oka; Sri Winarsih, Nurul Anisa; Pramunendar, Ricardus Anggi; Rohman, Muhammad Syaifur; Alvin, Fris
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 7, No 2 (2024): MEI 2024
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v7i2.2122

Abstract

Pada era kontemporer ini, internet telah menjadi suatu elemen yang tak terpisahkan dan menjadi kebutuhan esensial bagi seluruh lapisan masyarakat, tak terkecuali dari kalangan anak-anak hingga orang tua. Dalam konteks kehidupan sehari-hari, internet digunakan untuk berbagai keperluan seperti aktivitas pekerjaan, proses pembelajaran, transaksi berbelanja, dan beragam fungsi lainnya. Meskipun terdapat berbagai manfaat yang dapat diperoleh melalui pemanfaatan internet, perlu diakui bahwa penggunaannya juga membawa risiko tertentu, seperti potensi kecanduan dan penyebaran informasi yang tidak valid. Oleh karena itu, menjadi suatu keharusan bagi para pengguna internet untuk menjalankan aktivitasnya dengan penuh kebijaksanaan dan tanggung jawab. Dalam konteks ini, perlu ditekankan bahwa pengguna internet, terutama anak-anak usia sekolah dasar, mungkin belum sepenuhnya mampu menggunakan internet secara bijak. Hal ini disebabkan oleh keterbatasan dalam hal kematangan mental, pola pikir, dan kedewasaan dalam berperilaku. Sebagai contoh, di lingkungan Sekolah Dasar Islam Bilingual Annisa, sebagian besar siswa telah memiliki eksposur terhadap internet, namun ada pula yang belum memahami cara menggunakan internet dengan bijak. Penting untuk dicermati bahwa penggunaan internet yang tidak terkontrol dapat berpotensi mengekspos anak-anak terhadap konten yang tidak pantas, bahkan dapat mempengaruhi mereka melalui penyebaran informasi yang ambigu. Mengobservasi situasi dan permasalahan yang timbul, kami, sebagai penulis, bermaksud memberikan bantuan kepada anak-anak Sekolah Dasar Islam Bilingual Annisa dalam meningkatkan pemahaman mereka terkait penggunaan internet secara bijak
Co-Authors Abdul Syukur Abu Salam Ade Yusupa Affandy Affandy Agus Winarno, Agus Agustina, Feri Ahmad Akrom Ahmad Akrom Akrom, Ahmad Al-Azies, Harun ALI MUQODDAS Alvin, Fris Alzami, Farrikh Andi Kamaruddin Apriyanto Alhamad Arie Nugroho, Arie Arifin, Zaenal Arya Rezagama Sudrajat Azzahra, Tarissa Aura Baroroh, Nurul Bastiaans, Jessica Carmelita Brilianto, Rivaldo Mersis Catur Supriyanto Catur Supriyanto Catur Supriyanto Catur Supriyanto D, Ishak Bintang Darmawan, Aditya Aqil De Rosal Ignatius Moses Setiadi Dewi Nurdiyah Diana Aqmala Dibyo Adi Wibowo Dwi Puji Prabowo Dwi Puji Prabowo Dwi Puji Prabowo, Dwi Puji Dzuha Hening Yanuarsari, Dzuha Hening Edi Noersasongko Enrico Irawan Erlin Dolphina Etika Kartikadarma Evanita Evanita, Evanita F. Alzami Fafaza, Safira Alya Fajrian Nur Adnan Fakhrurrozi Fakhrurrozi, Fakhrurrozi Farikh Al Zami Fathorazi Nur Fajri Fatkhuroji Fatkhuroji Fauzi Adi Rafrastara Fikri Diva Sambasri Fikri Diva Sambasri Firmansyah, Muhammad Ilham Go, Agnestia Agustine Djoenaidi Guruh Fajar Shidik Hamid, Maulana As’an Hartojo, James Harun Al Azies Hasan Asari Haydar, Muhammad Rifqi Fajrul Hendri Ramdan Henry Bastian, Henry I Ketut Eddy Purnama Ifan Rizqa Ika Novita Dewi Imran, Bahtiar Irham Ferdiansyah Katili Iswahyudi Iswahyudi Karim, Muh Nasirudin Karis W. Kartika, Gita khoiriya latifah Khoirunnisa, Emila Khoirur Rizky, Muhammad Ivan Kristhina Evandari Kurnia Prayoga Wicaksono Kurniawan Aji Saputra Kurniawan, Defri Kusumawati, Yupie Lalang Erawan Lesmarna, Salsabila Putri M. Arif Soeleman M. Arif Soleman Maulana, Isa Iant Megantara, Rama Aria Mira Nabila Moch Arief Soeleman Moch. Sjamsul Hidajat Mochamad Arief Soeleman Mochamad Hariadi Moh Yusuf, Moh Moh. Arief Soeleman Moh. Yusuf Mohammad Arif Mohammad Syaifur Rohman Muhammad Naufal Muhammad Naufal, Muhammad Muljono, - Muslih Muslih Muslih Muslih Noor Wahyudi Nuanza Purinsyira Nugroho, Muhammad Bayu Nur Azise Nurhindarto, Aris Nurhindarto, Aris Pergiwati, Dewi Prabowo, D.P. Pulung Nurtantio Andono Pulung Nurtantyo Andono Puri Sulistiyawati Puri Sulistiyawati Puri Sulistiyawati Purwanto Purwanto Purwanto Purwanto Purwanto Purwanto Putu Samuel Prihatmajaya R.A. Megantara Rama Aria Megantara Rama Aria Megantara Ramadhan Rakhmat Sani Ramadhani, Irfan Wahyu Ratmana, Danny Oka Riadi, Muhammad Fatah Abiyyu Rifqi Mulya Kiswanto Ritzkal, Ritzkal Rohman, Muhammad Syaifur Rony Wijanarko Rozada, Akfi Ruri Suko Basuki Santoso, Siane Saputra, Filmada Ocky Saputra, Resha Mahardhika Saraswati, Galuh Wilujeng Sasono Wibowo Sinaga, Daurat Soeleman, M. Arief Sri Winarno Stefanus Santosa Sulistyowati, Tinuk Sutini Dharma Oetomo Tamamy, Aries Jehan Teguh Tamrin Ullumudin, D.I.I Usman Sudibyo Vincent Suhartono Vincent Suhartono Vincent Suhartono Wibowo, Gentur Wahyu Nyipto Wildanil Ghozi Winarsih, Nurul Anisa Sri Yudha Tirto Pramonoaji Yuliman Purwanto Yuslena Sari, Yuslena Yuventius Tyas Catur Pramudi Zainal Arifin Hasibuan