Article Per Year (5 Year)
p-Index From 2021 - 2026
10.235
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Informatika KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal Informasi dan Komputer Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Accounting Information System (AIMS) JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) ICIT (Innovative Creative and Information Technology) Journal E-Link: Jurnal Teknik Elektro dan Informatika Jurnal Riset Sistem Informasi dan Teknologi Informasi (JURSISTEKNI) MEANS (Media Informasi Analisa dan Sistem) Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Teknik Informatika (JUTIF) Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Instal : Jurnal Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) JURSIMA BULLET : Jurnal Multidisiplin Ilmu AMMA : Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi dan Manajemen Jurnal Accounting Information System (AIMS) Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal Inovasi dan Teknologi Pendidikan SISFOTENIKA Informasi interaktif : jurnal informatika dan teknologi informasi Jurnal Informatika dan Rekayasa Perangkat Lunak
Tati Suprapti
STMIK IKMI Cirebon
Humanities Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Nursing Social Sciences Other

Published : 83 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 83 Documents
Search

 2   3   4   5   6 
ANALISIS DATASET STATUS GIZI PADA BALITA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Raudotul Janah, Fina; Kurniawan, Rudi; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8220

Abstract

Status gizi balita merupakan satu permasalahan yang harus diperhatikan, terutama pada asupan gizi serta nutrisi yang diperoleh dari makanan sehari-hari. ebagai bagian dari siklus pertumbuhan dan perkembangan buah-buahan, mereka membutuhkan asupan gizi yang lebih baik, karena belita paling mudah menderita kelainan gizi. Pemenuhan kebutuhan gizi merupakan faktor penting untuk mencapai hasil tumbuh kembang pada balita dan anak-anak. Puskesmas Karangsembung merupakan fasilitas pelayanan kesehatan yang menyelenggarakan upaya kesehatan masyarakat dan upaya kesehatan perseorangan tingkat pertama. Pihak puskesmas belum melakukan proses data mining untuk meng-clustering dataset balita. Sehingga belum mengetahui kelompok status gizi balita dan belum mengetahui nilai evaluasi DBI. Tujuan dari Penelitian ini untuk mengelompokan status gizi balita menggunakan algoritma K-means untuk mendapatkan nilai Cluster terbaik dengan evaluasi nilai DBI dengan memanfaatkan tools Rapidminer. Hasil dari penelitian didapatkan jumlah Cluster optimal dengan K=5. Untuk Cluster 0: 41 Balita dengan rata-rata berjenis kelamin Laki-laki, Cluster 1: 83 Balita dengan rata-rata berjenis kelamin Laki-laki, Cluster 2: 82 Balita dengan rata-rata berjenis kelamin Perempuan, Cluster 3: 70 Balita dengan rata-rata berjenis kelamin Perempuan, Cluster 4: 56 Balita dengan rata-rata berjenis kelamin Laki-laki dan nilai DBI yang optimal sebesar 0.132 dimana nilai tersebut mendekati 0 yang berarti klaster yang di evaluasi menghasilkan klaster yang baik.
ANALISIS PERFORMA FEATURE SELECTION M5 PRIME, GREEDY, DAN T-TEST PADA REGRESI LINEAR UNTUK PREDIKSI KASUS KEKERASAN ANAK DI JAWA BARAT Ramadhan, Gilang; Kurniawan, Rudi; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8230

Abstract

Kekerasan terhadap anak masih menjadi masalah di Indonesia, khususnya di Jawa Barat. Kekerasan ini memberikan trauma mendalam pada anak dan berisiko gangguan mental serta perilaku buruk di masa depan. Penelitian ini bertujuan membangun model prediksi korban kekerasan anak di Jawa Barat dengan Regresi Linear. Regresi Linear dipilih karena mampu menangkap tren data dengan baik. Data sekunder digunakan dari dataset kekerasan terhadap anak berdasarkan tingkat pendidikan di Jawa Barat tahun 2017-2022. Data dikumpulkan dari dinas terkait dan literatur. Hasil pengujian menggunakan Regresi Linear menghasilkan performa baik, ditunjukkan RMSE 2,480 dan MAE 2,123. Performa Regresi Linear cukup baik memodelkan data historis untuk prediksi di masa depan. Model ini dapat dimanfaatkan mendukung kebijakan pencegahan kekerasan terhadap anak di Jawa Barat.
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PERENCANAAN PERSEDIAAN STOK SEPATU DI TOKO DIOMCLOTHING Rizki Ani, Fitri; Kurniawan, Rudi; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8233

Abstract

Toko DIOMclothing merupakan sebuah perusahaan dagang yang menawarkan berbagai produk sepatu dengan merek seperti converse, vans, asics, ventela hingga produk sepatu lainnya. Dalam mengelola usahanya, toko DIOMclothing menghadapi tantangan strategis terkait penentuan produk yang paling diminati oleh pelanggan untuk direncanakan persediaannya. Kesalahan dalam menentukan persediaan produk dapat mengakibatkan kerugian finansial karena persediaan yang berlebihan atau kehilangan peluang penjualan karena persediaan yang kurang. Penelitian ini bertujuan mengklaster data penjualan sepatu untuk mengetahui tren penjualan produk sepatu sesuai periode waktu tertentu menggunakan penerapan metode K-means Clustering. Metode ini memungkinkan pengelompokan data penjualan berdasarkan karakteristik kemiripan dari datanya. Penerapan metode ini menghasilkan 3 klaster terbaik dengan karakteristik Klaster 0 (Sangat diminati) terdapat 469 data dengan tren penjualan dari Oktober hingga Desember, Klaster 1 (Cukup diminati) terdiri dari 581 data dengan tren penjualan dari Juli hingga September, Klaster 2 (Kurang diminati) terdiri dari 263 data dengan tren penjualan dari Agustus hingga Desember. Evaluasi menggunakan Davies Bouldin Index (DBI) menunjukkan nilai sebesar 0,165, menandakan kinerja klaster yang baik karena nilai DBI yang dihasilkan mendekati nol dan tidak negatif. Hasil penelitian ini dapat dimanfaatkan oleh DIOMclothing untuk mengoptimalkan pengadaan stok pada periode waktu tertentu, meningkatkan efisiensi manajemen persediaan, dan merancang strategi pemasaran yang lebih tepat sasaran.
KLASIFIKASI ULASAN PENGGUNA APLIKASI ACCESS BY KAI BERBASIS ASPEK DENGAN ALGORITMA NAÏVE BAYES DAN SVM Indrawan, Heru; Irawan, Bambang; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8234

Abstract

Access by KAI adalah aplikasi resmi milik PT. Kereta Api Indonesia yang dirancang guna memenuhi kebutuhan para penumpangnya, baik yang melakukan perjalanan jarak jauh, menengah, maupun lokal. Meskipun Aplikasi Access by KAI masih memiliki beberapa kekurangan dibeberapa aspek, oleh karena itu perbaikan harus terus dilakukan guna meningkatkan kualitasnya. Untuk menilai kualitas, kepuasan, dan kekurangan aplikasi ini, informasi dapat diperoleh dari ulasan di Google Play Store dan media sosial X. Penelitian ini bertujuan untuk mengidentifikasi sentimen terkait produk aplikasi mobile tersebut. dapat teridentifikasi sejumlah 6.000 ulasan yang sudah masuk. Hal ini bisa ditarik kesimpulan yang menegaskan kalau mayoritas penggunanya sudah menyampaikan ulasan dengan lebih positif terkait aspek satisfaction, sedangkan untuk ulasan yang cenderung berlabel negative menjurus pada sejumlah aspek, seperti halnya learnability, efficiency, dan errors. Opini publik yang sudah dikelompokkan menjadi beberapa aspek terkait aplikasi Access by KAI dapat ditetapkan sebagai parameter kunci untuk menilai tingkat kepuasan masyarakat, sekaligus diharapkan menjadi dasar untuk melaksanakan evaluasi terhadap PT. Kereta Api Indonesia, khususnya pada aspek-aspek yang masih memiliki kekurangan dalam aplikasi Access by KAI. Perlu dipahami terkait penerapan dengan model CRISP-DM (Cross Industry Standard Process for Data Mining) dan komparasi hasil yang pijakannya dari metode klasifikasi Naïve Bayes dan Support Vector Machine (SVM), sudah terbukti kalau model demikian menghadirkan kinerjanya paling maksimal. Jika diamati dari mean yang sudah melewati tahap uji di tiap aspeknya, yakni Accuracy besarannya 96.57%, Precision 94.52%, Recall 99.46%, dan F-measur 96.82%.
IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN ULASAN PRODUK MAKANAN DAN MINUMAN DI TOKOPEDIA Hajaroh, Hajaroh; Suprapti, Tati; Narasati, Riri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8237

Abstract

Analisis sentimen adalah proses evaluasi dan pemahaman terhadap pendapat, perasaan,atau sentiment yang terkandung dalam teks,ulasan,atau komunikasi yang diungkapkan oleh individu atau kelompok. Penelitian ini bertujuan untuk menerapkan algoritma Naive Bayes dalam analisis sentimen terhadap ulasan produk makanan dan minuman di platform e-commerce Tokopedia. Melalui metode Knowledge Discovery in Databases (KDD), langkah pertama penelitian adalah memahami dan memproses data yang diperoleh dari sumber data terbuka yaitu Kaggle Data ulasan pelanggan dikumpulkan dan dieksplorasi untuk memahami distribusi sentimen serta dilakukan preprocessing data untuk mempersiapkan dataset pelatihan. Algoritma Naive Bayes diterapkan untuk mengklasifikasikan ulasan produk ke dalam tiga kategori sentimen: positif, negatif, dan netral. Hasil evaluasi kinerja model menunjukkan tingkat Accuracy sebesar 75.90%. Sementara itu, Presisi sebesar 66.45% dan recall sebesar 97.42% turut menjadi sorotan penting. Penelitian ini memberikan pemahaman yang lebih mendalam terkait distribusi sentimen dalam ulasan makanan dan minuman di Tokopedia, menunjukkan mayoritas sentimen yang positif. Hasil ini mengindikasikan bahwa algoritma Naive Bayes dapat menjadi instrumen efektif untuk menganalisis sentimen produk di platform e-commerce, memberikan landasan bagi pengembangan strategi bisnis yang lebih cermat dan responsif terhadap preferensi pelanggan.
KLASIFIKASI DATA TINGKAT KUALITAS UDARA DI TANGERANG SELATAN MENGGUNAKAN ALGORITMA NAIVE BAYES Widiawati, Fitri; Kurniawan, Rudi; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8261

Abstract

Kota Tangerang Selatan yang memiliki padat penduduk yang tinggi yang harus kita perhatikan kondisi kesehatannya. Indeks Standar Pencemaran Udara (ISPU) merupakan indikator yang mengukur tingkat pencemaran udara berdasarkan konsentrasi beberapa polutan udara banyak data yang muncul tentang kualitas udara pada Tangerang Selatan yang selalu menurun karena berbagai faktor dintaranya faktor fisik dan faktor manusia sehingga menyebabkan pencemaran udara bagi masyarakat setempat. Penelitian ini bertujuan untuk mengklasifikasikan kualitas udara di Tangerang Selatan menggunakan algoritma Naive Bayes dan mengevaluasi faktor-faktor yang berpengaruh terhadap kualitas udara. Model Naive Bayes mencapai tingkat akurasi sebesar 79.38%, menunjukkan keberhasilan dalam mengidentifikasi kondisi kualitas udara. Evaluasi dilakukan melalui presisi, recall, dan F1-score untuk setiap kelas, memberikan gambaran rinci tentang kinerja model. Temuan menunjukkan presisi yang tinggi pada kelas "Sedang" dan "Baik," menandakan kemampuan model dalam mengenali kondisi tersebut secara akurat. Faktor-faktor yang mempengaruhi kualitas udara diidentifikasi melalui evaluasi model, mencakup partikulat matter (PM2.5 dan PM10), sulfur dioksida (SO2), nitrogen dioksida (NO2), karbon monoksida (CO), dan ozon (O3). Penggunaan atribut-atribut ini memungkinkan model memberikan label dengan nilai Class Moderate (0.583), Class Good (0.358), dan Class Unhealthy (0.058). Hasil penelitian menunjukkan bahwa algoritma Naive Bayes dapat memberikan hasil klasifikasi yang akurat untuk data tingkat kualitas udara di Tangerang Selatan dan hasil analisis ini dapat menjadi dasar bagi masyarakat untuk mengambil tindakan preventif dan mitigasi terhadap potensi dampak negatif dari pencemaran udara.
ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN ULASAN APLIKASI AL QUR’AN DIGITAL Siti Aisah, Iis; Irawan, Bambang; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8263

Abstract

Aplikasi Al-Qur'an digital merupakan salah satu aplikasi yang banyak digunakan oleh masyarakat Indonesia. Aplikasi ini menyediakan berbagai fitur yang memudahkan pengguna untuk membaca, mempelajari, dan menghafal Al-Qur'an. Namun, untuk dapat memberikan layanan yang terbaik kepada pengguna, pengembang aplikasi perlu memahami respons pengguna terhadap aplikasi tersebut. Salah satu cara untuk memahami respons pengguna adalah dengan menganalisis sentimen dari ulasan pengguna. Sentimen merupakan emosi atau perasaan yang diungkapkan oleh pengguna dalam ulasannya. Dengan menganalisis sentimen dari ulasan pengguna, pengembang aplikasi dapat mengetahui apa yang disukai dan tidak disukai pengguna, serta area mana yang perlu ditingkatkan. Ada banyak algoritma yang dapat digunakan untuk menganalisis sentimen dari ulasan pengguna. Salah satu algoritma yang populer adalah Support Vector Machine (SVM). SVM adalah algoritma klasifikasi yang menggunakan konsep margin untuk memisahkan data positif dan negatif. SVM memiliki beberapa keunggulan, yaitu memiliki akurasi yang tinggi, efisien dalam penggunaan memori dan dapat menangani data yang tidak terdistribusi secara normal. Berdasarkan keunggulan-keunggulan tersebut, algoritma SVM dipilih untuk digunakan dalam penelitian ini. Penelitian ini telah berhasil mengimplementasikan algoritma SVM untuk menganalisis sentimen dari ulasan pengguna aplikasi Al-Qur'an digital. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki akurasi yang tinggi, yaitu mencapai 85.11%. Hasil ini menunjukkan bahwa algoritma SVM dapat digunakan untuk memahami respons pengguna terhadap aplikasi Al-Qur'an digital. Implikasi praktis dari penelitian ini adalah memungkinkan pengembang aplikasi untuk fokus pada aspek yang diapresiasi oleh pengguna dan secara proaktif mengatasi area yang dapat ditingkatkan, meningkatkan kepuasan dan pengalaman pengguna secara keseluruhan.
ANALISIS PENGGUNAAN MODEL YOLOV8 (YOU ONLY LOOK ONCE) TERHADAP DETEKSI CITRA SENJATA BERBAHAYA Maulana, Imam; Rahaningsih, Nining; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8271

Abstract

Kecerdasan Buatan merupakan teknologi yang menarik saat ini terutama object detection. Salah satu metode populer dalam computer vision adalah object detection yang dimana berperan memberikan kemampuan pada mesin untuk mengidentifikasi dan mengenali objek tertentu dari suatu citra. Kriminalitas bersenjata merupakan masalah yang serius di berbagai negara. Oleh karena itu, pengembangan model deteksi objek senjata penting agar dapat membantu tugas pengawasan yang umumnya dilakukan oleh manusia. Penggunaan metode YOLOv8 (You Only Look Once) menjadi pilihan bagus untuk melakukan deteksi objek senjata karena memiliki efisiensi dan hasil deteksi yang akurat. Tujuan utama penelitian ini untuk menganalisis hasil dan performa model YOLOv8 dalam mendeteksi dan identifikasi senjata berbahaya pada citra yang telah dimanipulasi sebelumnya. Hasil penelitian menunjukkan bahwa model mencapai nilai precision sebesar 84%, recall mencapai 77%, mAP mencapai 84% dan F1-Score 88% dengan waktu pelatihan 4 jam 6 menit lamanya. Pengujian pendeteksian pada gambar grayscale, gambar berotasi, pengaturan tingkat cahaya yang berbeda, gambar blur serta pengujian deteksi berdasar pada jarak menunjukkan hasil yang cukup baik namun masih perlu ditingkatkan lagi.
ANALISIS POLA PENJUALAN BATIK PEKALONGAN MENGGUNAKAN ALGORITMA FP-GROWTH Sukma Maula, Intan; Wahyudin, Edi; Tohidi, Edi; Kaslani, Kaslani; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8280

Abstract

Pekalongan merupakan salah satu kota terkemuka dalam industri batik di Indonesia, yang dikenal sebagai “Kota Batik”. Batik bukan sekadar kain warna-warni dengan motif unik, tetapi batik memiliki ciri khas sendiri seperti gambar burung elang, garis lengkung, dan hiasan titik-titik, juga terdapat pada batik Pekalongan. Keunikan batik Pekalongan terletak pada warnanya yang cerah alami dan beragam motifnya mencakup gaya Cina, Belanda, dan asli dengan motif seperti kawung, burung merak, burung enchim, jawa hokokai, dan jlamprang. Perubahan pola konsumen yang semakin kompleks dari desain hingga harga dan perkembangan pesat dalam industri batik menimbulkan permasalahan dalam pola pembelian serta pengelolaan data transaksi yang terus meningkat sehingga menghambat dalam analisis pola pembelian konsumen. Oleh karena itu, penelitian ini bertujuan untuk mendapatkan pola pembelian konsumen terhadap jenis produk batik menggunakan algoritma FP-Growth untuk menentukan himpunan data yang sering muncul (frequent itemset) dalam dataset. Berdasarkan hasil pengujian, diperoleh 12 aturan asosiasi (Association rules) yang terbentuk dengan nilai minimum support = 0.01, minimum confidence = 0.8, dan lift = 1.0. Dengan aturan tersebut, penelitian ini menghasilkan implikasi yang signifikan terhadap pola pembelian konsumen, meningkatkan strategi pemasaran, dan membantu dalam pengelolaan inventaris serta pengambilan keputusan berdasarkan data yang tersedia.
PENERAPAN ALGORITMA NAÏVE BAYES UNTUK MENENTUKAN KELAYAKAN PENERIMA BANTUAN SOSIAL DI DESA GOLAT Hadianti, Isan; Astuti, Rini; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8284

Abstract

Program bantuan sosial merupakan inisiatif dari pemerintah yang bertujuan untuk membantu keluarga yang mengalami kesulitan ekonomi terutama dalam aspek pemenuhan kebutuhan pangan. Oleh karena itu, salah satu aspek yang penting dalam upaya mengatasi kemiskinan adalah memiliki data yang akurat dan data yang sesuai sasaran. Tujuan utama dari penelitian ini adalah untuk mendukung wilayah Desa Golat dalam menentukan apakah masyarakat miskin ini telah memenuhi syarat atau tidak untuk menerima bantuan sosial dengan menggunakan teknik Data Mining dan menggunakan algoritma Naïve Bayes. Data dikumpulkan berdasarkan 11 kriteria yang meliputi Jenis Lantai, Jenis Dinding, Fasilitas WC, Sumber Penerangan, Sumber Air Minum, Bahan Bakar, Jumlah Penghasilan, Pendidikan Terakhir, Kondisi Rumah, Status Kepemilikan Rumah dan Jumlah Tanggungan sebagai faktor-faktor penentu kelayakan penerima bantuan sosial. Penelitian ini juga dilakukan dengan menggunakan konsep data mining yaitu algoritma Naïve Bayes dengan tujuan untuk mengenali kelayakan penerima bantuan sosial secara objektif dan secara presisi. Sehingga, dalam alokasi bantuan tersebut dapat dilakukan dengan akurat dan sesuai target yang telah ditentukan. Hasil dari penelitian ini menunjukkan bahwa data yang digunakan terdiri dari 102 data testing dan 408 data training yang berpengaruh pada hasil evaluasi sistem. Hasil evaluasi menunjukkan nilai akurasi 79,41%, presisi 57,43% dan recall 73,44%. Hal ini mengindikasikan hasil yang cukup tinggi dari sistem yang dibangun.
Co-Authors Abdul Hakim Abdul Mukhyidin Abrar Bayan, Athaullah Achmad Suharno Adam Firmansyah Ade Irma Purnamasari Ade Irma Purnamasari Aditia agus bahtiar Ahmad Faqih Ahmad Faqih Aldi Setiawan Ali Ali Alpian Novansyah, Indi Amaliah, Novi Andi Ardiansyah Andri Yanto Apriliani, Yuni Aribah, Firyal Arif Rinaldi Dikananda ASEP SAEFUDDIN Auliya Azhar, Alwan Cep Lukman Rohmat Christian Anderson Wint's II, Hans Darussalam, Luthvi Nurfauzi Dayanti, Resda Dian Ade Kurnia Dodi Solihin Doni Anggara Dwi Prasetyo Faujatun Hasanah Fazrian, Vivi Feri Irawan Irawan Fikri, Achmad Fitri Adha Hariyati Airi Fitriani Agustina Fitriani Fitriani Gifthera Dwilestari Gifthera Dwilestari Gilang Perwati, Intan Gilang Ramadhan Gustiani Regina Pratama Putri Gustino, Gustino Habiballoh, Hafshoh Hadianti, Isan Hafshoh Habiballoh Hajaroh, Hajaroh Hartati Hartati Hayati, Umi Hendriyansyah, Hendriyansyah Hidayat, Manarul Hidayat, Muhamad Taufiq Hidayat, Peri Husni Mubarok Ilham Kurniawan Imam Arifin imam maulana, imam Indrawan, Heru Irfan Ali Irma Purnamasari, Ade Kaslani Khoirunisa, Irma Lestari, Hasanah Lukman Rohmat, Cep Mahda, Muhammad Manarul Hidayat Martanto . Maryam, Beby Muhaimin, Ahmad Muhamad Basysyar, Fadhil Mulyawan Nana Siti Nurjanah Narasati, Riri Narasati Naufan, Muhammad Hilmy Nining Rahaningsih Nur Amalia Nurhakim, Bani Nurmala, Sri Pratiwi, Intan Purnamasari, Ade Irma Raditya Danar Dana Rananda Deva Rian Raudotul Janah, Fina Rini Astuti Rini Astuti Riri Narasati Rizki Ani, Fitri Rosdiana Rosdiana Rudi Kurniawan Rudi Kurniawan Rudi Kurniawan Ruli Herdiana Ryan Hmonangan Saeful Anwar Saeful Anwar, Saeful Sajidan, Dzikri Santi Nurjulaiha Shalihah, Ghina Shinta Virgiana Silalahi, Ryan H Siti Aisah, Iis siti azhar Sri Nurmala, Ai Suarna, Nana Suharno, Achmad Sukma Maula, Intan Syahputra Simbolon, Vrendi Amro Syajida, Hanna Syaripah, Imas Tegar Lazuardi, Muhammad Tengku Riza Zarzani N Tohidi, Edi Tri Aditama Tri Gustiane, Indri Umi Hayati Umi Hayati Utami Aryanti Vinna Agustina Wahyudin, Edi Warni Ayu Hermina, Bintang Widiawati, Fitri Widisa Adi Kumara Wijaya, Yudhitira Arie Willy Prihartono Yudhistira Arie Wijaya Yusuf Sidiq, Yusuf Sidiq Zaki Nur Rahmat Hidayat Zulfa Hana Aqliyah