Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

5.728

P-Index

This Author published in this journals

All Journal Jurnal Ilmu Pendidikan CommIT (Communication & Information Technology) Journal of Food and Life Sciences Journal of Innovation and Applied Technology Journal of Environmental Engineering and Sustainable Technology Jurnal Teknologi Informasi dan Ilmu Komputer AGRIVITA, Journal of Agricultural Science Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) JINOP (Jurnal Inovasi Pembelajaran) Premiere Educandum Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Pendas : Jurnah Ilmiah Pendidikan Dasar Journal of Education Technology Jurnal Ilmiah Sekolah Dasar Istawa: Jurnal Pendidikan Islam UPEJ Unnes Physics Education Journal AMALIAH: JURNAL PENGABDIAN KEPADA MASYARAKAT Journal of Research and Educational Research Evaluation Pendagogia: Jurnal Pendidikan Dasar Cendikia Pendidikan Advances In Social Humanities Research JURNAL ILMIAH EKONOMI, MANAJEMEN, BISNIS DAN AKUNTANSI Journal of Multidisciplinary Inquiry in Science, Technology and Educational Research

Candra Dewi

Fakultas Ilmu Komputer, Universitas Brawijaya

Author-ID : 437956

Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Physics Public Health Social Sciences Other

Published : 132 Documents Claim Missing Document

Claim Missing Document

Articles

10 11 12 13 14

Fine-Tuning Model Difusi dengan Metode DreamBooth pada Generasi Pola Batik Tradisional Berdasarkan Nama Batik Almasyhur, Muhammad Bin Djafar; Yudistira, Novanto; Dewi, Candra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 11 (2025): November 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Sebagai warisan budaya takbenda UNESCO, batik menyimpan nilai filosofis yang mendalam, namun reproduksi dan inovasinya kini dapat ditunjang oleh kecerdasan buatan generatif. Model difusi, meskipun memiliki kemampuan menghasilkan citra berkualitas tinggi, belum optimal dalam memahami token semantik spesifik seperti nama motif batik. Penelitian ini menerapkan metode fine-tuning DreamBooth pada model sd-batik-llava menggunakan 5.000 citra dari 20 motif batik untuk mengevaluasi kemampuannya dalam mengaitkan nama motif dengan representasi visual yang tepat. Evaluasi kuantitatif menggunakan Fréchet Inception Distance (FID) dan Inception Score (IS) menunjukkan bahwa model hasil fine-tuning mampu merepresentasikan motif seperti parang dan megamendung secara lebih akurat, meskipun dengan penurunan skor FID menjadi 179,4 dan IS 3,445, mengindikasikan peningkatan spesifisitas dengan penurunan generalisasi. Hasil ini menunjukkan bahwa DreamBooth efektif dalam memperkuat hubungan semantik antara teks dan citra pada domain budaya yang bersifat khusus, sekaligus membuka jalan bagi pelestarian warisan visual melalui AI.

Pembuatan Pola Batik Buatan Menggunakan Stable Diffusion dengan ControlNet dan Canny Guidance Ikhwanul Kiram, Muh Zaqi; Yudistira, Novanto; Dewi, Candra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 11 (2025): November 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Batik, sebagai warisan budaya Indonesia yang diakui UNESCO, memiliki nilai seni dan ekonomi yang tinggi. Namun, para pengrajin sering menghadapi tantangan dalam menciptakan motif baru yang inovatif, sementara model generatif AI sebelumnya seperti GAN dan diffusion dasar kurang memiliki kendali untuk menghasilkan pola yang terarah. Penelitian sebelumnya dengan model text-to-image juga menunjukkan keterbatasan dalam menciptakan komposisi spasial yang kompleks. Penelitian ini bertujuan untuk mengatasi keterbatasan tersebut dengan mengeksplorasi penggunaan Stable Diffusion yang diintegrasikan dengan ControlNet dan Canny Guidance. Tujuannya adalah untuk mengetahui pengaruh metode ini terhadap pola batik yang dihasilkan dan menilai kualitasnya berdasarkan tuning hyperparameter. Hasil penelitian menunjukkan bahwa kombinasi ControlNet dan Canny Guidance berhasil menggabungkan citra masukan, seperti logo, dengan motif batik secara menyatu. Berdasarkan evaluasi kualitatif terhadap input logo Universitas Brawijaya, model mencapai skor rata-rata 3.425/5 untuk keberadaan motif batik, 3.3/5 untuk kecocokan dengan input, dan 3.025/5 untuk kesesuaian disebut sebagai motif batik. Secara kuantitatif, model mencapai Inception Score (IS) sebesar 4.839 ± 0.270 dari 5.000 gambar yang dihasilkan. Kesimpulannya, penelitian ini berhasil merumuskan inference pipeline yang efektif untuk menciptakan motif batik baru yang terkontrol dan kompleks dengan menggabungkan input spesifik dari pengguna. Kata kunci: stable diffusion, controlnet, canny guidance, generative AI, motif batik

Digital Based Administration Service in Ngrendeng and Banjarsari Villages, Selorejo District, Blitar Dewi, Candra; Astuti, Ani Budi; Nuh, Mohammad; Rifan, Mohamad
Journal of Innovation and Applied Technology Vol 11, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Brawijaya

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

In facing the challenges of the digital era, Ngrendeng and Banjarsari villages need innovative approaches to improve the efficiency of public services. This activity aims to increase the understanding and ability of village officials and village residents about digital-based village administration services. The application was built by utilizing some technologies that are WhatsApp Chatbot, Google Drive and Google Form. The needs analysis shows that there are differences in service facilities between the two villages, where Banjarsari only focuses on providing information regarding the requirements for submitting certificates, while Ngrendeng allows for digital processing of letters at the same time. The evaluation of the questionnaire shows that the application developed is very appropriate to needs. This activity is published in national mass media Radar Malang, Prasetya Online UB, and Academiamu. In addition, the training module has been registered Intellectual Property Rights to the Indonesian Ministry of Law and Human Rights.

Prediksi Cuaca Pada Data Time Series Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS) Dewi, Candra; Kartikasari, Dany Primanita; Mursityo, Yusi Tyroni
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1 No 1: April 2014
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

AbstrakInformasi mengenai kondisi atmosfer yang cepat,akurat, dan terperinci sangat diperlukan oleh berbagai sektor. Salah satumetode yang dapat digunakan untuk melakukan prediksi dan peramalan model yangkompleks dengan akurasi yang tinggi adalah Adaptive Neuro Fuzzy InferenceSystem (ANFIS). Dengankemampuan metode ini untuk melakukan prediksi dan peramalan, pada penelitianini dilakukan perbandingan kinerja dari kedua kemampuan ANFIS tersebut padadata time series cuaca berdasarkan parameter-parameter atmosfir yangmempengaruhinya.Padapenelitian ini, metode ANFIS baik untuk proses prediksi maupun peramalan diimplementasidengan struktur standar ANFIS yaitu lima layer. Namun pada proses peramalan dilakukan penggabungan dengan metode moving average untuk meramalkan nilai parameter input pada saat pengujian. Pengujian dilakukanpada data latih 40%, 50% dan 60% dari total data. Selain itu, pengujian jugadilakukan dengan mengelompokkan data berdasarkan musim, yaitu kemarau danpenghujan.Hasil ujicoba menunjukkan bahwa metode ANFIS cukup baik diterapkan untuk proses prediksijika tanpa pengelompokan data berdasarkan musim. Namun jika dilakukanpengelompokan berdasarkan musim, kemampuan ANFIS dalam melakukan peramalanmemiliki tingkat akurasi yang lebih tinggi dengan nilai error yang cukup rendah.Kata kunci: prediksi cuaca,peramalan cuaca, data time series, ANFISAbstractRapid and accurate information on the atmospheric conditions is required by the various sectors. One ofthe methods can be used to perform prediction and forecasting of complex modelwith high accuracy is AdaptiveNeuro Fuzzy Inference System(ANFIS).According to these two capabilitiesof ANFIS, this research is aimed to conduct comparison of accuracy on weathertime series data. This research implemented ANFIS using standard ANFISarchitecture that consists of five layers both to predict and to forecast theweather. However, the forecasting process combined ANFIS and moving averagemethod to forecast the input parameters were used at testing. This researchperformed learning process using 40%, 50% and 60% of total data. Beside, thelearning process also has been done on data was grouped into two groups basedon the season. The testing result showed ANFIS has better performance forprediction the data that were not grouped based on the season. However, ANFIShas better accuracy and lower error since the learning and testing were done onthe data that was grouped based on season.Keywords: weather prediction, weather forecasting,time series data, ANFIS

Segmentasi Kendaraan Menggunakan Improve Blob Analysis (BA) Pada Video Lalu Lintas ., Sutrisno; Cholissodin, Imam; Christanti, Rina; Dewi, Candra; Hidayat, Nurul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2 No 1: April 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

AbstrakPenggunaan citra digital untuk keperluan penelitian sudah banyak dilakukan, salah satunya yaitu segmentasi. Segmentasi berfungsi untuk mendeteksi objek - objek yang terdapat pada citra, sehingga hasil segmentasi sangat penting untuk proses selanjutnya. Pada penelitian ini diusulkan teknik optimasi hasil background subtraction menggunakan kombinasi frame difference (FD) atau difference image dengan filter SDGD dan running average (RA) atau background updating dengan filter SDGD untuk diterapkan pada blob analysis. Alasan utama menggunakan penggabungan kedua metode tersebut adalah karena seringnya terdapat piksel objek yang tidak mampu dideteksi sehingga akan mengurangi tingkat optimasi pengenalan objek. Hasil pengujian akurasi dari 10 data uji yang masing – masing terdiri dari 30 frame menunjukkan bahwa aplikasi ini memiliki nilai akurasi tertinggi yakni 90% untuk pengujian threshold dan 100% untuk pengujian ukuran structure element. Sehingga dapat disimpulkan bahwa aplikasi ini mampu melakukan segmentasi kendaraan dengan baik.Kata kunci: filter SDGD, blob analysis, video lalu lintas, background subtraction.AbstractThe use of digital images for the purposes of research has been often applied, one of them is segmentation. Segmentation is used to detect objects contained in the image, so the segmentation result is very important for further processing. In this study, the results of the optimization technique proposed background subtraction using a combination of frame difference (FD) or a difference image with filter SDGD and running average (RA) or background updating with SDGD filter to be applied blob analysis. The main reason to use the merger of these two methods is that often there are pixels that are not able to detect objects that will reduce the level of optimization object recognition. The results of accuracy testing using 10 data testing for each data consisting of 30 frames shows that the system proposed in this paper has best accuracy of 90% for testing the threshold and 100% for testing the size of structure element. So it can be concluded that this system capable to segmentation the vehicle properly.Keywords: filter SDGD, blob analysis, traffic video, background subtraction

Prediksi Distribusi Air PDAM Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Di PDAM Kota Malang Jauhari, Daneswara; Himawan, Alfian; Dewi, Candra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 2: Juni 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

AbstrakDistribusi air PDAM merupakan nilai volume air yang disalurkan ke pelanggan PDAM. Faktor yang mempengaruhi distribusi air PDAM diantanya adalah jumlah kehilangan air dan jumlah air yang terjual. Paper ini mengimplementasikan jaringan syaraf tiruan backpropagation untuk memprediksi jumlah dari distribusi air perbulan berdasarkan jumlah kehilangan air dan jumlah air yang terjual. Pada tahap pelatihan dilakukan pengujian untuk mendapatkan iterasi, learning rate, data latih dan data uji, jumlah node pada lapisan tersembunyi, dan minimum error yang optimal. Hasil pelatihan didapatkan iterasi optimal sebanyak 2000, learning rate yang optimal 0.1, data latih dan data uji yang optimal sebanyak 80 untuk data latih dan 11 untuk data uji, jumlah node pada lapisan tersembunyi sebanyak 5, sedangkan minimum error adalah 0.00001. Dari hasil pengujian menggunakan parameter optimal tersebut didapatkan akurasi terbaik sebesar 97,99%.Kata kunci: prediksi, distribusi air, PDAM, backpropagation, jumlah kehilangan air, jumlah air terjualAbstractPDAM water distribution is the value of the volume of water delivered to the customer taps. Factors affecting the distribution of water are amount of water loss and amount of water sold. This paper implements of the use of backpropagation neural network to predict the amount of water distribution per month based on mentioned factors above. The learning phase is done to get the optimum number of iterations, learning rate, training data and test data, hidden node, and minimum error. The testing result shows the optimum number of iteration is 2,000, the optimum value of learning rate is 0.1, the optimum training data and test data as much as 80 for training data and 11 for the test data, the number of hidden node is 5, whereas the minimum error obtained is 0.00001. The results of testing by using these optimum parameter give the best accuracy of 97.99%.Keywords: prediction, water distribution, PDAM, backpropagation, water loss, water sold

Evaluasi Performasi Ruang Warna pada Klasifikasi Diabetic Retinophaty Menggunakan Convolution Neural Network Dewi, Candra; Santoso, Andri; Indriati, Indriati; Dewi, Nadia Artha; Arbawa, Yoke Kusuma
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834459

Semakin meningkatnya jumlah penderita diabetes menjadi salah satu faktor penyebab semakin tingginya penderita penyakit diabetic retinophaty. Salah satu citra yang digunakan oleh dokter mata untuk mengidentifikasi diabetic retinophaty adalah foto retina. Dalam penelitian ini dilakukan pengenalan penyakit diabetic retinophaty secara otomatis menggunakan citra fundus retina dan algoritme Convolutional Neural Network (CNN) yang merupakan variasi dari algoritme Deep Learning. Kendala yang ditemukan dalam proses pengenalan adalah warna retina yang cenderung merah kekuningan sehingga ruang warna RGB tidak menghasilkan akurasi yang optimal. Oleh karena itu, dalam penelitian ini dilakukan pengujian pada berbagai ruang warna untuk mendapatkan hasil yang lebih baik. Dari hasil uji coba menggunakan 1000 data pada ruang warna RGB, HSI, YUV dan L*a*b* memberikan hasil yang kurang optimal pada data seimbang dimana akurasi terbaik masih dibawah 50%. Namun pada data tidak seimbang menghasilkan akurasi yang cukup tinggi yaitu 83,53% pada ruang warna YUV dengan pengujian pada data latih dan akurasi 74,40% dengan data uji pada semua ruang warna. AbstractIncreasing the number of people with diabetes is one of the factors causing the high number of people with diabetic retinopathy. One of the images used by ophthalmologists to identify diabetic retinopathy is a retinal photo. In this research, the identification of diabetic retinopathy is done automatically using retinal fundus images and the Convolutional Neural Network (CNN) algorithm, which is a variation of the Deep Learning algorithm. The obstacle found in the recognition process is the color of the retina which tends to be yellowish red so that the RGB color space does not produce optimal accuracy. Therefore, in this research, various color spaces were tested to get better results. From the results of trials using 1000 images data in the color space of RGB, HSI, YUV and L * a * b * give suboptimal results on balanced data where the best accuracy is still below 50%. However, the unbalanced data gives a fairly high accuracy of 83.53% with training data on the YUV color space and 74,40% with testing data on all color spaces.

Analisis Sentimen Mengenai Moda Raya Terpadu (MRT) Jakarta dengan Metode BM25 dan K-Nearest Neighbor Indriati, Indriati -; Rahayudi, Bayu; Dewi, Candra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 2: April 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021824508

Moda Raya Terpadu (MRT) Jakarta merupakan alat transportasi berkecepatan tinggi berupa kereta rel listrik yang ada di ibukota Jakarta . Adanya banyak tanggapan positif maupun negatif dari masyarakat dapat dipergunakan sebagai masukan bagi operator layanan MRT Jakarta untuk terus bisa memperbaiki pelayanan demi terwujudnya angkutan massal yang berguna bagi masyarakat. Proses pengumpulan data tanggapan dapat diperoleh dari sosial media maupun komentar-komentar di setiap pemberitaan mengenai MRT Jakarta. Data-Data tersebut akan diolah dulu dengan melewati tahapan preprocessing untuk diklasifikasikan menjadi sentimen yang bersifat positif maupun sentimen yang bersifat negatif. Metode untuk mengklasifikasikan tanggapan adalah K-Nearest Neighbor dengan menggunakan metode BM25 sebagai metode untuk mengetahui kesamaan antar data. Proses pengujian yang digunakan pada penelitian ini yaitu cross validation dengan k-fold sebanyak 5. Pengujian dilakukan dengan jumlah data data uji sebanyak 130 dokumen dan data latih sebanyak 520 dokumen untuk setiap fold. Berdasarkan rata-rata hasil pengujian diperoleh hasil terbaik pada nilai k=11 dengan nilai f-measure sebesar 0,89088, recall sebesar 0,934286, dan precision sebesar 0,852351. Hasil pengujian menunjukkan nilai k yang semakin besar menghasilkan nilai f-measure yang semakin kecil karena proses klasifikasi berjalan kurang baik dengan banyaknya tetangga yang tidak sama kelasnya dengan data uji digunakan untuk menentukan kelas data uji.

Perbandingan Prediksi Penggunaan Listrik dengan Menggunakan Metode Long Short Term Memory (LSTM) dan Recurrent Neural Network (RNN) Selle, Nurfatima; Yudistira, Novanto; Dewi, Candra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 1: Februari 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022915585

Energi listrik telah menjadi salah satu kebutuhan yang sangat penting dan membantu kehidupan manusia di era modern saat ini. Energi listrik yang tidak dapat disimpan dalam waktu yang lama dan harus dapat selalu tersalurkan menyebabkan penyedia energi listrik harus dapat mampu menyediakan energi listrik dengan tepat. Oleh karena itu, diperlukan sebuah sistem yang mampu melakukan prediksi terhadap penggunaan listrik dengan memanfaatkan data historis penggunaan listrik sebelumnya. Sehingga PT. PLN selaku penyedia energi listrik harus dapat mampu menyesuaikan jumlah listrik yang harus disediakan dengan permintaan kebutuhan pelanggan. Penelitian ini menggunakan metode Recurrent Neural Network (RNN) dan Long Short Term Memory (LSTM) yang merupakan metode pembelajaran deep learning. Kedua metode ini mampu mengolah data dan melakukan prediksi dengan format data time series. Proses implementasi yang dilakukan yaitu normalisasi data, transformasi data, pembangunan model, training, testing, denormalisasi, dan pengujian hasil prediksi menggunakan Root Mean Square Error (RMSE). Berdasarkan penerapan metode LSTM dan pengujian pada fitur data siang dan malam, didapatkan kondisi terbaik pada penggunaan untuk fitur data siang dengan panjang sequence 20, hidden size 8, 3 LSTM layer, dan 70% data training menghasilkan rata-rata RMSE 46,72, sedangkan untuk fitur data malam didapatkan panjang sequence 30, hidden size 8, 1 LSTM layer, dan 80% data training menghasilkan rata-rata RMSE 51,05. Perbandingan antar RNN dan LSTM menghasilkan LSTM mampu menghasilkan kinerja yang lebih baik pada penggunaan deret waktu yang lebih panjang. AbstractElectrical energy has become one of the most important needs and helped human life nowadays. The electrical energy that cannot be stored for a long time and must always be distributed leads to an obligation for electricity providers to provide appropriate electrical energy. Therefore, we need a system that can predict the use of electricity by leveraging historical data on previous electricity usage. It aims that PT. PLN as a provider of electrical energy can able to adjust the amount of electricity that must be provided with the demands of customer needs. Our method uses are Recurrent Neural Network (RNN) and Long Short Term Memory (LSTM), which is a deep learning architecture that able to capture time-series data. The process of implementing system is data normalization, data transformation, model building, training, testing, denormalization, and testing the prediction results using the Root Mean Squared Error (RMSE). Based on the experiments on day and night data features, the best conditions were obtained at the use for daylight data features with a sequence length of 20, hidden size of 8, 3 LSTM layers, and 70% data training resulted in an average RMSE of 46.72. For the night data feature, the best result was achieved with the sequence length of 30, hidden size of 8, 1 LSTM layer, and 80% of training data resulting in an average RMSE of 51.05. Comparison between RNNs and LSTM shows LSTM capable of producing better performance when the longer time series is incorporated.

Pengembangan Aplikasi Website Rule-Based Diagnosa dan Pengobatan Pada Tanaman Padi Dengan Menggunakan Framework Laravel Yasin, Patbessani Septani Firman; Dewi, Candra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 10 (2025): Oktober 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Padi merupakan salah satu komoditas pangan utama di Indonesia yang rentan terserang berbagai penyakit, sehingga dapat menurunkan produktivitas dan kualitas hasil panen. Pengetahuan petani dalam mendiagnosa penyakit masih terbatas, sehingga diperlukan sistem berbasis teknologi untuk membantu proses identifikasi penyakit secara cepat dan akurat. Penelitian ini bertujuan mengembangkan sistem informasi diagnosa dan pengobatan penyakit tanaman padi berbasis website menggunakan framework Laravel dengan metode pengembangan Waterfall. Tahapan penelitian meliputi analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan evaluasi hasil. Sistem dibangun dengan metode rule-based yang mencocokkan gejala yang dipilih pengguna dengan aturan diagnosa yang telah ditetapkan. Pengujian dilakukan menggunakan metode black-box testing pada semua fitur sistem dengan hasil validasi 100% sesuai kebutuhan fungsional. Pengujian compatibility dilakukan menggunakan aplikasi SortSite pada browser Chrome, Firefox, Edge, dan Safari, dengan hasil kompatibilitas 100% valid. Hasil evaluasi menunjukkan bahwa sistem dapat membantu petani dalam mendiagnosa penyakit padi secara cepat, memberikan solusi pengobatan, serta mendukung pengelolaan data gejala, penyakit, dan aturan diagnosa secara efektif.

Co-Authors Abdul Fatih Achmad Yusuf Adam Sulthoni Akbar Adinugroho, Sigit Aditya Chandra Nurhakim Aditya Septadaya Adiyasa, Bhisma Afrialdy, Firman Aghata Agung Dwi Kusuma Wibowo Agi Putra Kharisma Agus Wahyu Widodo Ahmad Afif Supianto Ahmad Afif Supianto Ahmada Bastomi Wijaya Akmal Subakti Wicaksana Alan Primandana Almasyhur, Muhammad Bin Djafar Amalia Luhung Amita Tri Prasasti, Pinkan Anang Tri Wiratno Andhika Satria Pria Anugerah Anggita Mahardika Ani Budi Astuti Ani Rusilowati Anim Rofi'ah Annisa Puspitawuri Annisa Salamah Rahmadhani Arbawa, Yoke Kusuma Aria Bayu Elfajar Arief Andy Soebroto Arjunani, Rusmalistia Intan Ayuri Alfarianti Azhari, Muhammad Rizqi Azizul Hanifah Hadi Barik Kresna Amijaya Bayu Rahayudi Brillian Aristyo Rahadian Budi Astuti Budi Darma Setiawan Chelsa Farah Virkhansa Daneswara Jauhari Daneswara Jauhari, Daneswara Dany Primanita Kartikasari Dennes Nur Dwi Iriantoro Deo Hernando Desy Wulandari Dewanti, Amalya Trisuci Diajeng Tania Ananda Paramitha Dian Eka Ratnawati Dloifur Rohman Alghifari Dwi Fitriani Dwi Novi Setiawan Dwi, Endah Dyang Falila Pramesti Edo Ergi Prayogo Edy Santoso Edy Santoso Erik Aditia Ismaya Eriq Muh. Adams Jonemaro Falih Gozi Febrinanto Faris Febrianto Febri Ramadhani Fenori, Muhammad Dajuma Feri Angga Saputra Fianti Fianti, Fianti Fitri Anggarsari Fitriana, Rosita Nur Fitriani , Dwi Fitriani, Delvi Guntur Syafiqi Adidarmawan Himawan, Alfian Iftinan, Salsa Nabila Ikhwanul Kiram, Muh Zaqi Ilham Harazki Imam Cholisoddin Imam Cholissodin Imam Cholissodin Indah Lestari, Indah Indah Wahyuning Ati Indah, Yuliana Indra Eka Mandriana Indriati Indriati Indriati Indriati Indriati, Indriati - Iqbal Santoso Putra Iskarimah Hidayatin JANAH, NURUL Jumadi Jumadi Khairiyyah Nur Aisyah Kharisma, Agi Krisyanto, Edy Kurnianingtyas, Diva Kurniawan, I Gede Jayadi Kusumawardani, Septyana Dwi Lailil Muflikah Lailil Muflikhah Maharani Tri Hastuti Mardji Mardji Marinda Ika Dewi Sakariana Marinda, Vira Marwa Mudrikatussalamah Maulan, Erika Maulana Putra Pambudi Maulida, Farida Mochammad Tanzil Furqon Mohammad Nuh Mohammad Setya Adi Fauzi Muh Arif Rahman Muhammad Ihsan Diputra Muhammad Misbachul Asrori Muhammad Noor Taufiq Muhammad Prabu Sutomo Muhammad Riduan Indra Hariwijaya Muhammad Tanzil Furqon Muhja Mufidah Afaf Amirah Muhyidin Ubaiddillah Mukh. Mart Hans Luber Nabila Arief Nadia Artha Dewi Naily Zakiyatil Ilahiyah Naniek Kusumawati Nazzun Hanif Ahsani Nirzha Maulidya Ashar Nooriza Fariha Rumagutawan Noval Dini Maulana Novanto Yudistira Nur Hidayat Nur Sa'diyah Nurhidayati Desiani Nurul Faridah, Nurul Nurul Hidayat Nuryatman, Pamelia Nuzula, Nila Firdauzi Pande Made Rai Raditya Phutpitasari, Rosa Devi Pupung Adi Prasetyo Putra Pandu Adikara Putri Aprilia Putu Gede Pakusadewa Rachmalia Dewi Rahma Juwita Sany Randy Cahya Wihandika Ratih Kartika Dewi Rayhan Tsani Putra Reiza Adi Cahya Reza Wahyu Wardani Rifan, Mohamad Rina Christanti, Rina Rizal Setya Perdana Rizal, Moch. Khabibur Robih Dini Rohmah, Yushinta Lailatul Rohmanurmeta, Fauzatul Ma’rufah Rokky Septian Suhartanto Romlah Tantiati Rosyita, Elyana Santoso, Allegra Santoso, Andri Saputra, Rendi Ramadani Saputro, Rinaldi Eko Saputro Sekar Dwi Ardianti Selle, Nurfatima Selvi Marcellia Setya Perdana, Rizal Sigit Pangestu Siti Nurjanah Siti Nurlaela Sundari, Suci Sunyoto Eko Nugroho, Sunyoto Eko Susenohaji, Susenohaji Sutrisno . Syarif, Adnan Tirana Noor Fatyanosa, Tirana Noor Ulfah Mutmainnah Veni, Silvia Wahyu, Dwi Wayan Firdaus Mahmudy Werdha Wilubertha Himawati, Werdha Wilubertha Wiandono Saputro Wilis Biro Syamhuri Wiratama Paramasatya Yasin, Patbessani Septani Firman Yessica Inggir Febiola Yosua Christopher Sitanggang Yudha Eka Permana Yudistira, Indrajati Yuita Arum Sari Yulia Trianandi Yulian Ekananta Yusi Tyroni Mursityo Zulhan, Galang

Title

Found 132 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 132 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 132 Documents
Search