Article Per Year (5 Year)
p-Index From 2021 - 2026
8.61
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Jurnal Simantec Jurnal Informatika dan Teknik Elektro Terapan Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Komtika (Komputasi dan Informatika) Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Nasional Komputasi dan Teknologi Informasi CSRID (Computer Science Research and Its Development Journal) Jurnal IMPACT: Implementation and Action Technologia: Jurnal Ilmiah Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] Jurnal Informasi dan Teknologi Journal of Applied Engineering and Technological Science (JAETS) JTIULM (Jurnal Teknologi Informasi Universitas Lambung Mangkurat) JURNAL PENDIDIKAN, SAINS DAN TEKNOLOGI Tematik : Jurnal Teknologi Informasi Komunikasi Journal of Computer Networks, Architecture and High Performance Computing Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Walisongo Journal of Information Technology Jumat Informatika: Jurnal Pengabdian Masyarakat Majalah Ilmiah UPI YPTK Jurnal Media Informatika TIERS Information Technology Journal Jurnal Informatika Dan Tekonologi Komputer (JITEK) Digital Transformation Technology (Digitech) Adpebi Science Series Jurnal Kolaborasi Sains dan Ilmu Terapan INSTALL: Information System and Technology Journal Darma Abdi Karya: Jurnal Pengabdian Kepada Masyarakat Jurnal Komtika (Komputasi dan Informatika) Jurnal Informatika Dan Tekonologi Komputer INTECH - Informatika Dan Teknologi
Finki Dona Marleny
Universitas Muhammadiyah Banjarmasin
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Mathematics Neuroscience Social Sciences Transportation Other

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 72 Documents
Search

 4   5   6   7   8 
Innovation in Crop Nutrition Planning Based on Rainfall Prediction Using Singular Spectrum Analysis and Boosting to Optimize Agricultural Management Yuslena Sari; Mambang Mambang; Muhammad Zulfadhilah; Subhan Panji Cipta; Muhammad Nursandi; Finki Dona Marleny; Ricardus Anggi Pramunendar; Sunardi Sunardi; Eka Setya Wijaya; Aurelia Monica Sari; Muhammad Alkaff
Journal of Applied Engineering and Technological Science (JAETS) Vol. 7 No. 2 (2026): Journal of Applied Engineering and Technological Science (JAETS)
Publisher : Yayasan Riset dan Pengembangan Intelektual (YRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37385/z3mgdv08

Abstract

The high variability of rainfall in tropical climates presents a major challenge for agricultural management, as weather uncertainty often leads to inefficient fertilization practices due to nutrient loss. This study aims to develop a robust framework for rainfall prediction, which can inform a flexible and precise crop nutrient scheduling system. Utilizing an hourly rainfall dataset (n=6,624) obtained from IoT sensors, the research proposes an approach that integrates Singular Spectrum Analysis (SSA) for signal decomposition and noise reduction with Gradient Boosting algorithms (LightGBM and XGBoost). Spline interpolation was employed to handle missing data, while SSA served to disentangle deterministic trends from random noise, enabling the models to perform more effectively on the refined dataset. Empirical evaluation demonstrates that the SSA-XGBoost hybrid model achieves superior performance, with an RMSE of 0.0057 and an R² of 0.8278, significantly outperforming the SSA-LightGBM model (R² 0.2879), which struggled to capture non-linear patterns within this dataset. The high predictive accuracy of the SSA-XGBoost model facilitates the implementation of responsive nutrient management strategies, wherein fertilizer application can be deferred during forecasted periods of high rainfall to prevent runoff and environmental pollution. This research contributes to the field of hydroinformatics by demonstrating the effectiveness of combining SSA and XGBoost as a cost-efficient yet high-performance solution for mitigating climate-related risks in tropical wetland agriculture.
Pendekatan Hybrid DBSCAN dan K-Means untuk Optimasi Zona Penerimaan Peserta Didik Baru Sa'adah Sa'adah; Finki Dona Marleny; Windarsyah Windarsyah
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 4 No. 2 (2026): Edisi Januari- Juni
Publisher : Utiliti Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penentuan batas wilayah dalam sistem Penerimaan Peserta Didik Baru (PPDB) berbasis zonasi menuntut mekanisme yang mampu mengakomodasi dua dimensi sekaligus: kedekatan geografis antara tempat tinggal siswa dengan sekolah, serta kondisi sosial-ekonomi keluarga yang melatarbelakangi kebutuhan mereka. Penelitian ini merancang pendekatan gabungan antara algoritma DBSCAN (Density-Based Spatial Clustering of Applications with Noise) guna membentuk zona geografis secara adaptif, dan K-Means untuk memetakan profil sosial-ekonomi siswa. Data yang digunakan mencakup 1.091 siswa SMAN 1 Alalak dengan 10 atribut sosial-ekonomi beserta koordinat GPS. Hasil optimasi menunjukkan bahwa DBSCAN dengan parameter ε=3,0 km dan min_samples=3 menghasilkan tiga zona bermakna dengan 54 titik terpencil (4,9%), Silhouette Score 0,7685, dan Davies-Bouldin Index 0,1447. K-Means dengan K=5 klaster dan reduksi dimensi PCA 3 komponen menghasilkan lima profil sosial-ekonomi mulai dari Sangat Rendah (62 siswa) hingga Tinggi (459 siswa) dengan Silhouette Score 0,8824 dan Davies-Bouldin Index 0,1866. Perpaduan hybrid dari kedua algoritma menghasilkan 15 segmen unik yang memungkinkan pemetaan kebutuhan siswa secara menyeluruh. Segmen yang paling memerlukan intervensi adalah 58 siswa di Zona-1 dengan profil Sangat Rendah. Kebaruan penelitian ini terletak pada penyatuan klasterisasi densitas spasial berbasis metrik Haversine dengan segmentasi sosial-ekonomi berbasis PCA dalam satu kerangka hybrid, sebuah pendekatan yang sebelumnya belum diterapkan di wilayah sungai dan rawa seperti Kalimantan Selatan.
Workshop Kreativitas Digital: Menggali Potensi Imajinasi Siswa Sekolah Dasar Melalui Integrasi Artificial Intelligence Subhan Panji Cipta; Nadia Azaria; Mambang Mambang; Muhammad Zulfadhilah; Septyan Eka Prastya; Abdul Latif; Ratna Lindawati; Trifebi Shina Sabrila; Finki Dona Marleny
Darma Abdi Karya Vol. 5 No. 1 (2026): Darma Abdi Karya: Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM POLITEKNIK LP3I

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/darmaabdikarya.v5i1.2943

Abstract

Kemajuan teknologi kecerdasan buatan (Artificial Intelligence/AI) menuntut pengenalan sejak dini agar dapat dimanfaatkan secara positif.  Ditemukan fakta bahwa 90% siswa kelas VI telah menggunakan smartphone setiap hari, namun lebih dari 85% di antaranya belum pernah mendengar istilah Artificial Intelligence atau mengetahui bahwa algoritma AI mengendalikan aplikasi hiburan yang mereka gunakan sehari-hari. Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk meningkatkan pengetahuan siswa mengenai AI serta peranannya dalam mendukung kreativitas dan imajinasi. Metode yang digunakan adalah pendekatan participatory learning dan experiential learning, yang melibatkan 27 siswa kelas VI. Rangkaian kegiatan meliputi sosialisasi, pemaparan materi edukatif menggunakan media audiovisual interaktif, serta praktik langsung penggunaan teknologi AI sederhana. Hasil evaluasi yang dilakukan melalui observasi partisipatif selama sesi praktik, penilaian kualitas karya digital yang dihasilkan siswa, serta pengisian angket umpan balik setelah kegiatan menunjukkan bahwa program ini memberikan dampak positif yang signifikan dalam meningkatkan pemahaman kognitif serta merangsang kreativitas siswa. Metode ini dinilai lebih efektif dibandingkan pembelajaran konvensional dalam memperkenalkan teknologi masa depan kepada siswa sekolah dasar.
Analisis Intensitas Kenaikan Muka Air Sungai Bahalayung dan Sungai Balimau Menggunakan Methode Random Forest Classifier Shofia Zulfa; Windarsyah; Finki Dona Marleny
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 5 No. 1 (2026): Edisi Juli - Agustus In Press
Publisher : Utiliti Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kenaikan muka air yang tidak terpantau di Kabupaten Hulu Sungai Selatan kerap menimbulkan banjir yang merugikan permukiman dan lahan pertanian sekitar sungai. Penelitian ini bertujuan menganalisis intensitas kenaikan muka air Sungai Bahalayung dan Sungai Balimau menggunakan algoritma Random Forest Classifier berbasis data hidrologi harian periode 2022–2025. Data diklasifikasikan ke dalam tiga kategori intensitas yaitu rendah, sedang, dan tinggi dengan rekayasa fitur berbasis riwayat ketinggian air dan evaluasi model menggunakan skema pembagian data kronologis. Akurasi terbaik dicapai sebesar 81,44% untuk model gabungan dan 82,82% untuk model Sungai Balimau, dengan fitur rasio ketinggian air mingguan dan volatilitas jangka pendek sebagai prediktor paling dominan. Sungai Bahalayung teridentifikasi lebih rawan lonjakan mendadak sehingga menjadi prioritas utama dalam upaya mitigasi banjir di wilayah tersebut.
Komparasi Skenario Fitur dan Model Machine Learning untuk Klasifikasi Risiko Perizinan DPMPTSP Kota Banjarmasin Raisya Alifa Khansa; Windarsyah; Finki Dona Marleny
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 5 No. 1 (2026): Edisi Juli - Agustus In Press
Publisher : Utiliti Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tingginya beban kerja verifikasi manual perizinan di DPMPTSP Kota Banjarmasin mendorong kebutuhan terhadap sistem klasifikasi otomatis berbasis data historis OSS-RBA. Penelitian ini membandingkan enam algoritma klasifikasi machine learning — Decision Tree, Random Forest, Naive Bayes, K-Nearest Neighbor, Support Vector Machine, dan XGBoost — melalui tiga percobaan dengan skenario fitur yang berbeda. Percobaan 1 menggunakan empat parameter resmi PP No. 5/2021, Percobaan 2 memperluas fitur dengan menambahkan variabel KL/Sektor Pembina, Jenis Perusahaan, dan Jenis Proyek, serta Percobaan 3 melakukan optimasi hyperparameter menggunakan Grid Search pada model terbaik. Dataset terdiri dari 1.100 data perizinan dengan empat kelas risiko, dievaluasi menggunakan 10-Fold Stratified Cross Validation dan pengujian pada data uji terpisah (80:20). Model terbaik yang dihasilkan adalah XGBoost dengan parameter diperluas dan hyperparameter teroptimasi, mencapai akurasi 84,55% dan F1 Macro 0,7728. Analisis feature importance pada model final mengungkap bahwa KL/Sektor Pembina berkontribusi 48,94% terhadap prediksi — jauh melampaui seluruh parameter resmi PP seperti Jumlah Investasi (3,98%) dan Skala Usaha (2,94%) — mengindikasikan bahwa regulasi yang berlaku belum mengoptimalkan seluruh variabel yang relevan secara empiris dalam penentuan tingkat risiko perizinan berusaha. Model XGBoost teroptimasi yang dihasilkan berpotensi diimplementasikan sebagai sistem rekomendasi klasifikasi risiko otomatis di lingkungan DPMPTSP Kota Banjarmasin, guna mendukung verifikasi data perizinan secara lebih efisien, konsisten, dan terstruktur.
EXPLANATORY DATA ANALISIS UNTUK MENGEVALUASI PENELUSURAN KATA KUNCI VIDEO PEMBELAJARAN DI YOUTUBE DENGAN PENDEKATAN MACHINE LEARNING Mambang, Mambang; Ahmad Hidayat; Finki Dona Marleny; Johan Wahyudi
Jurnal Informatika Dan Tekonologi Komputer (JITEK) Vol. 2 No. 2 (2022): Juli : Jurnal Informatika dan Teknologi Komputer
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jitek.v2i2.287

Abstract

The purpose of this study was to find correlations related to the variable number of impressions, likes, subscribers, and comments on each learning video keyword search on YouTube. This research uses quantitative methods and experiments with secondary data sources. Exploratory Data Analysis in machine learning using several libraries in Python programming produces image visualizations that provide information related to the dataset that has been processed, such as boxplot graphs, histograms, line plots, and correlation graphs. Exploratory Data Analysis with machine learning that we have done finds results on boxplot graphs on five variables showing a whisker more elongated upwards which states positive data results. The difference in this histogram chart is in the duration variable. On the line plot graph, we find the keywords learning videos learning mathematics have the advantage of four variables and the keywords of accounting learning videos one variable. Exploratory Data Analysis using the correlation head map in the seaborn library shows that the like and comment variables strongly correlate with a value of 1. Duration variables have a low and negative correlation with other variables. The subscribers variable has a high correlation with the like variable 0.95. Thus, several indicators need to be considered in making learning videos, such as content or content of innovative and creative learning videos, so that the number of likes and comments becomes high. The length of time in learning videos does not affect the number of likes, subscribers, and comments.
Implementasi Algoritma LSTM Pada Sistem Monitoring Iot Untuk Penanganan Resiko Kebakaran Ahmad Nawawi; Kamarudin; Finki Dona Marleny
INTECH Vol. 6 No. 2 (2025): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54895/intech.v6i2.3317

Abstract

Penelitian ini mengimplementasikan algoritma Long Short-Term Memory (LSTM) untuk memprediksi pola suhu sebagai bagian dari sistem monitoring berbasis IoT dalam rangka mitigasi risiko kebakaran. Dataset diperoleh dari sensor berbasis ESP32 yang merekam data suhu dan waktu. Model LSTM dilatih menggunakan data suhu yang telah dinormalisasi dengan prediksi lima langkah ke depan. Pra-pemrosesan meliputi penggabungan data tanggal dan waktu menjadi indeks waktu, kemudian dilanjutkan dengan normalisasi dan pembentukan data dalam format pembelajaran terawasi. Arsitektur model terdiri dari satu lapisan LSTM dan satu lapisan keluaran dense. Hasil prediksi menunjukkan nilai Mean Squared Error (MSE) yang rendah, menandakan efektivitas model LSTM dalam mendeteksi potensi bahaya kebakaran secara dini. Penelitian ini berkontribusi pada upaya mitigasi risiko secara real-time melalui peningkatan akurasi prediksi pada lingkungan IoT.
Klasifikasi Sekolah Potensial untuk Promosi Kampus UMBJM Menggunakan Random Forest Ahmad Aqli; Finki Dona Marleny; Windarsyah Windarsyah
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6122

Abstract

Setiap perguruan tinggi melakukan promosi rutin setiap tahun untuk menarik minat calon mahasiswa baru. Selain memasang spanduk di berbagai lokasi dalam kota, promosi juga dapat dilakukan langsung ke sekolah-sekolah yang dianggap potensial. Penelitian ini bertujuan mengidentifikasi sekolah asal mahasiswa yang memiliki potensi sebagai target promosi kampus Universitas Muhammadiyah Banjarmasin (UMBJM). Metode klasifikasi dengan pendekatan supervised learning digunakan dalam penelitian ini, dengan algoritma Random Forest yang diterapkan pada data pendaftaran mahasiswa UMBJM tahun 2019–2024. Setelah melalui proses filtering dan preprocessing data, model dilatih untuk menghasilkan prediksi dengan akurasi sebesar 81.60%. Hasil penelitian ini diharapkan dapat membantu pihak kampus dalam merancang strategi promosi yang lebih efisien dan tepat sasaran.
Implementasi Algoritma K-Means Untuk Analisis Pola Penjualan Pada Toko Monisa Muhammad Noval; Windarsyah Windarsyah; Finki Dona Marleny
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6237

Abstract

Manajemen stok yang tidak tepat dapat berdampak negatif terhadap efisiensi dan keuntungan bisnis ritel. Toko Monisa menghadapi permasalahan dalam menentukan produk yang perlu diprioritaskan dalam penyediaan stok. Tujuan dari penelitian ini adalah untuk mengelompokkan produk berdasarkan performa penjualan guna membantu pengambilan keputusan dalam pengelolaan stok. Metode yang digunakan adalah algoritma K-Means Clustering dengan pendekatan Knowledge Discovery in Databases (KDD) yang meliputi seleksi data, pembersihan data, transformasi, proses clustering, dan evaluasi hasil. Data yang dianalisis terdiri dari 18.344 transaksi penjualan sepanjang tahun 2024. Jumlah klaster optimal ditentukan menggunakan Elbow Method, menghasilkan tiga klaster, dan validitas klaster diuji menggunakan Silhouette Score yang menunjukkan nilai 0,79. Hasil klasterisasi menunjukkan bahwa produk dapat dikategorikan menjadi tiga kelompok: penjualan rendah, sedang, dan tinggi. Temuan ini memberikan dasar bagi pengambilan keputusan dalam perencanaan stok, strategi promosi, dan efisiensi pengelolaan produk. Simpulan dari penelitian ini menunjukkan bahwa algoritma K-Means mampu memberikan solusi efektif berbasis data historis dalam mendukung efisiensi operasional toko ritel.
Optimasi Algoritma Random Forest dalam Mengukur Kepuasan Peserta Pelatihan Guru pada Lembaga HAFECS Radhitya Abdi Nurhafiz; Finki Dona Marleny; Ayu Ahadi Ningrum
Jurnal Media Informatika Vol. 7 No. 1 (2026): Edisi Januari - Februari
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v7i1.8314

Abstract

Peningkatan kualitas layanan pelatihan guru memerlukan evaluasi kepuasan peserta yang akurat dan berbasis data, mengingat hasil evaluasi menjadi dasar penting dalam perbaikan mutu program dan pengambilan keputusan lembaga. Kompleksitas data survei kepuasan serta ketidakseimbangan distribusi kelas merupakan tantangan utama yang membatasi kemampuan pendekatan evaluasi konvensional dalam mengidentifikasi pola kepuasan secara mendalam. Penelitian ini bertujuan mengoptimasi algoritma Random Forest untuk klasifikasi kepuasan peserta pelatihan guru di Lembaga HAFECS. Metode penelitian menggunakan pendekatan Cross-Industry Standard Process for Data Mining (CRISP-DM) hingga tahap evaluasi, dengan penerapan transformasi data, penanganan nilai ekstrem, feature engineering, serta optimasi hyperparameter menggunakan RandomizedSearchCV. Evaluasi kinerja model dilakukan menggunakan accuracy, F1-score, recall kelas minoritas, AUC-ROC, stabilitas cross-validation, dan overfitting gap. Hasil penelitian menunjukkan bahwa model Random Forest teroptimasi mencapai akurasi 70,00%, F1-score 70,10%, AUC-ROC 69,42%, serta overfitting gap terendah sebesar 4,20%. Feature engineering meningkatkan kemampuan generalisasi model, sementara feature selection agresif justru menurunkan performa. Model yang dihasilkan berpotensi mendukung evaluasi kepuasan peserta pelatihan secara objektif dan sistematis.
Co-Authors Abdul latif Ade Putri Maharani Adha, Muhammad Iqbal Ahadi Ningrum, Ayu Ahmad Aqli Ahmad Faisal Hamidi Ahmad Hidayat Ahmad Hidayat Ahmad Hidayat Ahmad Nawawi Ahmad Nawawi Ahmad Riki Renaldy Akhmad Baddrudin Antonia Yenitia Aulia Fitri Aulia Fitri Aulia Fitri, Aulia Aurelia Monica Sari Ayu Ahadi Ningrum Bambang Lareno, Bambang Bayu Nugraha Bima Wicaksono Damayanti, Alfisah Dixky Dixky Elisa Fitriana Fatahulrahman, Maman Febriani, Wulandari Fitriansyah, Muhammad Gazali, Mukhaimy Hamdani Hamdani Haniffah Sri Rinjani Hudatul Aulia Ihdalhubbi Maulida Ihsanudin Indah Wulandari Jaya Hari Santoso Johan Wahyudi Johan Wahyudi Johan Wahyudi, Johan Kamaruddin Kamarudin Kamarudin Kamarudin Kartika Kartika Liliana Swastina Lufila, Lufila M Samsul Hasbi M Samsul Hasmi Mahdi Mahdi Maman Fatahulrahman Mambang Mambang Fitriansyah Maria Ulfah Maulida, Ihdalhubbi Meila Izzana, Meila Melda Melda Miranda Miranda Muhammad Alkaff Muhammad Hanafi Muhammad Khairul Akbar Muhammad Noval Muhammad Nursandi Muhammad Riduan Syafi’i Muhammad Satrio Ayuba Muhammad Tantowi Jauhari Muhammad Zaini Bakri Muhammad Ziki Elfirman Muhammad Ziki Elfirman Muhammad Ziki Elfirman, Muhammad Ziki Muhammad Zulfadhilah Mukhaimy Gazali Mutmainah Mutmainah Nadia Azaria Nahdi Saubari Nalo Valentino Ningrum, Ayu Ahadi Nor Azizah Novita Sari Novriansyah, Irvan Nur Hafiz Ansari Nur Meilianti Maulida Nurhaeni Nurhaeni Prastya, Septyan Eka Putri Putri Putri Putri, Putri Radhitya Abdi Nurhafiz Rahmini Rahmini Raisya Alifa Khansa Ratna Lindawati Reni Emiliya Ricardus A P, Ricardus A Ricardus Anggi Pramunendar Risma Maulida Risma Risma Rismawati Rismawati Rizkian Muhammad Fikri Rizma Nurhaliza Ropikah Ropikah Rudy Ansari Rudy Ansari Rudy Ansari, Rudy Sa'adah Sa'adah Sabella, Billy Sabrila, Trifebi Shina Samita, Mambang Sandro Nesta Pembriano Sa’adah Sa’adah Septian Eka Prastya Septyan Eka Prastya Septyan Eka Prastya Shofia Zulfa Subhan Panji Cipta Subhan Panji Cipta Sunardi, Ph.D., Sunardi Susanti, NurAina Tasya Salsabila Theresia Kurniati Seran Tiara, Astia Rahma Tumanggor, Agustina Hotma Uli Wijaya, Eka Setya Winda Astria Nuansa Saputri Winda Astria Nuansa Saputri Windarsyah Windarsyah Wulandari Febriani Yulisa Suryana Yuslena Sari, Yuslena