Article Per Year (5 Year)
p-Index From 2021 - 2026
9.853
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi EDUMATIC: Jurnal Pendidikan Informatika Progresif: Jurnal Ilmiah Komputer Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika International Journal of Informatics and Computation Jurnal Informatika Ekonomi Bisnis JATI (Jurnal Mahasiswa Teknik Informatika) Journal Automation Computer Information System (JACIS) Brilliance: Research of Artificial Intelligence Journal of Social Research Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Joong-Ki : Jurnal Pengabdian Masyarakat Jurnal Informasi Sains dan Teknologi (ISAINTEK) Jurnal Cakrawala Ilmiah SMART Management Journal STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Indonesian Research Journal on Education Journal Of Informatics And Busisnes VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Jurnal Komputer dan Teknologi (JUKOMTEK) SAINTEK Jurnal Media Akademik (JMA) Joong-Ki Jupiter: Publikasi Ilmu Keteknikan Industri, Teknik Elektro dan Informatika Bridge: Jurnal Publikasi Sistem Informasi dan Telekomunikasi Modem : Jurnal Informatika dan Sains Teknologi Repeater: Publikasi Teknik Informatika dan Jaringan SISFOTENIKA Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi CommLine Expert Net: Exploration Journal of Technological Education Trends Joong-Ki Jurnal Pengabdian Kepada Masyarakat Jurnal Rekayasa Teknologi Nusa Putra Jejak digital: Jurnal Ilmiah Multidisiplin Jurnal Cakrawala Akademika Jurnal Sistem Informasi dan Ilmu Komputer
Elkin Rilvani
Universitas Pelita Bangsa
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry 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 Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Physics Public Health Social Sciences Other

Published : 88 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 88 Documents
Search

 4   5   6   7   8 
Model Hybird Fuzzy Logic dan Deep Learning untuk Prediksi Harga Saham Muhidin, Asep; Rilvani, Elkin; Naya, Candra
Jurnal Pendidikan Informatika (EDUMATIC) Vol 9 No 2 (2025): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v9i2.30890

Abstract

Stock price prediction is a major challenge in the financial sector due to nonlinear factors and data uncertainty. This study aims to develop a predictive model by integrating fuzzy logic into deep learning algorithms to improve accuracy and robustness against noise. This is a quantitative experimental study using 1,000 daily historical stock price data of BBCA (Bank Central Asia), collected via web scraping from public sources. The data were analyzed using three types of neural networks: Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), and Gated Recurrent Unit (GRU), both before and after fuzzy integration. Fuzzification was applied to the price data to generate linguistic features, which were added as input to the neural network models. The models were evaluated using Train Cost, Test Cost, and the number of epochs, and a t-test was conducted to assess the statistical significance of performance differences. Our findings show that the LSTM model with fuzzy input achieved the best performance, with a Train Cost of 0.0002 and a Test Cost of 0.0052, and demonstrated superior capability in handling long-term dependencies. In contrast, RNN and GRU models showed decreased accuracy after fuzzy integration. The combining fuzzy and LSTM model shows promise for broader applications in time-series forecasting under uncertainty.
Mendorong Kreativitas dan Inovasi Melalui Pengenalan Coding di SMP Negeri 3 Cikarang Selatan Muhidin, Asep; Elkin Rilvani; Wisnu Setyawan
VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Vol. 2 No. 2 (2024): Desember 2024
Publisher : VINICHO MEDIA PUBLISINDO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61946/vidheas.v2i2.128

Abstract

Keterampilan coding merupakan salah satu kompetensi penting di era digital yang dapat mendorong kreativitas, kemampuan berpikir logis, dan problem-solving pada siswa. Namun, di SMP Negeri 3 Cikarang Selatan, kemampuan literasi digital siswa masih rendah akibat keterbatasan akses pembelajaran, infrastruktur, serta minimnya pelatihan bagi guru. Kegiatan pengabdian masyarakat ini bertujuan untuk memperkenalkan dasar-dasar coding kepada siswa dan meningkatkan kapasitas guru melalui pelatihan serta pendampingan. Metode pelaksanaan meliputi workshop interaktif berbasis gamifikasi menggunakan platform seperti Scratch, Code.org, dan Blockly; penyediaan perangkat dan modul pembelajaran; serta sesi motivasi untuk mengenalkan peluang di dunia digital. Evaluasi dilakukan melalui pre-test dan post-test, observasi, dan umpan balik dari peserta. Hasil kegiatan menunjukkan peningkatan pemahaman dasar coding pada siswa, meningkatnya motivasi belajar teknologi, dan bertambahnya kompetensi guru dalam mengajarkan coding. Program ini diharapkan menjadi langkah awal menuju penguatan literasi digital dan keberlanjutan pembelajaran teknologi di sekolah..
Prediksi Tingkat Keterlambatan Pengumpulan Tugas Mahasiswa Berdasarkan Aktivitas Perkuliahan Menggunakan Algoritma K-Nearest Neighbor (KNN) Hardiansyah, Andi; Zalfa Dewi Zahrani; Elkin Rilvani
Jurnal Rekayasa Teknologi Nusa Putra Vol 11 No 2 (2025): Agustus 2025
Publisher : Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/rekayasa.v11i2.653

Abstract

The delay in task submission is one of the indicators of low discipline and student engagement in the learning process. This study aims to predict the level of task submission delay among students based on academic activity using the K-Nearest Neighbor (KNN) algorithm. The dataset used includes five predictor variables: attendance rate (%), frequency of LMS login, forum participation, average quiz scores (%), and LMS access time, with one target variable being task delay categorized into three classes: On Time, Moderate Delay, and Severe Delay. The KNN method with k = 3 was applied to the normalized dataset using Min-Max Scaling. The test results showed that the model successfully classified all test data with an accuracy of 100%. Evaluation using the confusion matrix, precision, recall, and f1-score confirmed optimal performance across all delay categories. The study concludes that academic activity significantly influences task punctuality, and the KNN model can serve as a foundation for developing a data-driven early warning system to detect students at risk of delay. However, further research with larger datasets is needed to validate the generalizability of this model.
PERAN DAN STRATEGI DATA MINING DALAM TRANSFORMASI BISNIS PERUSAHAAN Sifa Setiyani; Apik Aminah; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/wggw3092

Abstract

Data mining telah menjadi alat strategis bagi perusahaan yang sedang menjalani transformasi digital. Kemampuan untuk mengekstraksi pengetahuan berharga dari kumpulan data yang besar dan kompleks memungkinkan organisasi memperoleh keunggulan kompetitif, mengoptimalkan pengambilan keputusan, serta meningkatkan pengalaman pelanggan. Artikel ini menyajikan tinjauan literatur yang komprehensif mengenai peran strategi data mining dalam transformasi bisnis. Kajian ini menekankan berbagai pendekatan seperti klasifikasi, klasterisasi, association rule mining, dan predictive modeling, serta menguraikan relevansinya pada berbagai konteks bisnis. Selain itu, dibahas pula bagaimana data mining mendukung business intelligence, optimasi rantai pasok, manajemen risiko, serta manajemen hubungan pelanggan. Temuan penelitian menunjukkan bahwa data mining tidak hanya meningkatkan efisiensi operasional, tetapi juga mendorong inovasi, memfasilitasi prediksi tren pasar, dan memperkuat ketangkasan strategis dalam lingkungan yang dinamis. Implikasi penelitian ini menyarankan bahwa perusahaan perlu mengintegrasikan data mining ke dalam peta jalan transformasi digital, dengan dukungan kesiapan infrastruktur, sumber daya manusia yang terampil, serta tata kelola data yang etis agar manfaatnya dapat dioptimalkan.
Pemanfaatan Data Mining untuk Klasifikasi Penyakit Daun pada Tebu dan Cara Pencegahan Penyakit dengan Metode Algoritma K-Nearest Neighbors Muhammad Akmal Ar Rasid; Catur Pranomo; Elkin Rilvani
Bridge : Jurnal Publikasi Sistem Informasi dan Telekomunikasi Vol. 3 No. 3 (2025): Agustus : Bridge : Jurnal Publikasi Sistem Informasi dan Telekomunikasi
Publisher : Asosiasi Profesi Telekomunikasi Dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/bridge.v3i3.580

Abstract

This study aims to utilize data mining techniques, specifically the K-Nearest Neighbors (KNN) algorithm, to classify leaf diseases in sugarcane (Saccharum officinarum). Early and accurate detection of leaf disease types is a crucial step in prevention and control strategies, thereby reducing potential crop losses caused by pathogen attacks. Leaf diseases in sugarcane, such as leaf scald, rust, and mosaic virus, are known to affect photosynthesis, inhibit growth, and reduce the quality and quantity of sugarcane produced. The classification process in this study was carried out through image analysis of infected sugarcane leaves, where features such as color, texture, and shape were extracted using digital image processing techniques. The KNN algorithm was chosen because of its non-parametric nature, ease of implementation, and its ability to provide accurate classification results even with limited data size. The working principle of KNN is to determine the class of a new sample based on the majority class of its k nearest neighbors in the feature space, making it very suitable for the case of leaf disease image classification. In addition to building a classification model, this study also examines disease prevention strategies based on the identification results. These strategies include the use of disease-resistant sugarcane varieties, the implementation of appropriate planting patterns, land moisture management, regular plantation sanitation, and the measured and environmentally friendly use of pesticides or fungicides. Model performance evaluation was conducted using accuracy, precision, recall, and F1-score metrics to assess model effectiveness across various data scenarios. The results of this study are expected to not only contribute to the development of decision support systems for farmers and related parties but also support the application of artificial intelligence-based technology in the agricultural sector.
Linear Regression Algorithm Analysis for Predicting Electrical Panel Painting Quality Susilo, Arif; Widodo , Edy; Rilvani, Elkin; Suryana, Syahro
Brilliance: Research of Artificial Intelligence Vol. 4 No. 1 (2024): Brilliance: Research of Artificial Intelligence, Article Research May 2024
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v4i1.4096

Abstract

Industry is increasingly developing rapidly and has an impact on the emergence of competition between companies, both private and state, both companies engaged in manufacturing and service companies. Linear Regression is used to find out how the dependent/criterion variable can be predicted through independent variables or predictor variables, individually. Based on the results of the tests that have been carried out, the variables or attributes used in this research (minute and thinkness results) have a significant effect on this research. It is proven that using the linear regression algorithm is able to provide good results with a Root Mean Squared Error value of 0.273 +/- 0.000. This is because there is a correlation or functional relationship (cause - effect) between one variable (dependent or criterion) and another variable (independent or predictor). This testing process is carried out to identify stock needs using a linear regression algorithm
Recruitment Classification of Security Unit PT. Satria Kencana Abadi Using Naïve Bayes Method Rilvani, Elkin; Surojudin, Nurhadi; Danny, Muhtajuddin; Yoga Pratama, Evan
Brilliance: Research of Artificial Intelligence Vol. 4 No. 1 (2024): Brilliance: Research of Artificial Intelligence, Article Research May 2024
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v4i1.4138

Abstract

To get human resources according to company standards, the problem faced in the company is the difficulty of the selection process with a short time and the complexity of the decision making process resulting in subjective decision making. The purpose of this research is to assist the assessment process in making decisions for determining the selection of security units (SATPAM) to be more targeted so that it can help the company. In this study the data used were 697 data with 558 training data and 139 testing data. This test data was carried out using the Naïve Bayes algorithm method to classify so that it can determine accurate and efficient decision making, using Rapidminer tools which have 82 accuracy, 01%, 81.61% Precision, and 88.75% recall. This shows that the Naïve Bayes algorithm method has a good performance in determining decision making during the selection of security forces (SATPAM) at PT. Satria Kencana Abadi.
PERMASALAHAN EFISIENSI ALGORITMA APRIORI DAN EVALUASI FP-GROWTH BERDASARKAN STUDI LITERATUR Khaerunnisa Isnaeni Lestari; Suryadi Putra; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 7 (2025): JURNAL MEDIA AKADEMIK Edisi Juli
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i7.2538

Abstract

Untuk menemukan pola keterkaitan antar item dalam data transaksi, algoritma Apriori dan FP-Growth merupakan dua teknik association rule mining yang populer digunakan. Algoritma Apriori mengandalkan pendekatan generate-and-test yang berulang, sehingga cenderung kurang efisien dalam hal waktu dan konsumsi memori, meskipun implementasinya relatif mudah. Akan tetapi, algoritma ini memiliki keterbatasan dalam menentukan kandidatnya. Sebagai alternatif, algoritma FP-Growth menawarkan efisiensi yang lebih tinggi melalui struktur FP-Tree dan mekanisme pertumbuhan pola yang hanya memerlukan dua kali pemindaian data. Penelitian ini menggunakan metode literature review untuk membandingkan kinerja kedua algoritma berdasarkan waktu proses, jumlah aturan yang dihasilkan, kualitas aturan (meliputi support, confidence, dan lift), serta penggunaan memori. Hasil studi menunjukkan bahwa meskipun Apriori masih relevan untuk dataset kecil dan eksplorasi awal, FP-Growth secara konsisten unggul dalam hal skalabilitas dan efisiensi pemrosesan data berskala besar. Keduanya mempunyai fungsi dan spesifikasi nya tersendiri di masing-masing datasetnya. Temuan ini dapat menjadi acuan dalam pemilihan algoritma yang tepat sesuai dengan karakteristik data dan kebutuhan sistem yang dikembangkan.
PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN DECISION TREE: STUDI PERBANDINGAN ALGORITMA ID3 DAN C4.5 Hadi Putra; Khairunnisa Nasution; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 7 (2025): JURNAL MEDIA AKADEMIK Edisi Juli
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i7.2561

Abstract

Prediksi kelulusan tepat waktu mahasiswa merupakan fokus penting dalam meningkatkan kualitas dan efektivitas pendidikan tinggi secara keseluruhan. Identifikasi secara akurat terhadap mahasiswa yang berisiko mengalami keterlambatan kelulusan memungkinkan institusi akademik untuk melakukan intervensi yang tepat dan tepat waktu guna membantu mahasiswa tetap berada pada jalur kelulusan. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma decision tree yang banyak digunakan, yaitu ID3 dan C4.5, dalam memprediksi kelulusan tepat waktu berdasarkan sejumlah atribut akademik dan non-akademik yang relevan. Atribut-atribut tersebut mencakup Indeks Prestasi Kumulatif (IPK), jumlah Satuan Kredit Semester (SKS), lama studi, keaktifan dalam organisasi, dan tingkat kehadiran kuliah. Model prediksi dibangun menggunakan data historis akademik mahasiswa program sarjana dari salah satu universitas swasta di Indonesia. Proses evaluasi dilakukan dengan mengukur performa model melalui akurasi klasifikasi dan struktur pohon keputusan yang dihasilkan. Hasil menunjukkan bahwa algoritma C4.5 memiliki kinerja yang lebih baik dibandingkan ID3, baik dari segi akurasi prediksi maupun efisiensi model. Temuan ini menunjukkan potensi metode decision tree, khususnya C4.5, sebagai alat yang efektif dalam mendukung pengambilan keputusan akademik, deteksi risiko secara dini, dan perencanaan institusional. Pada akhirnya, penelitian ini memberikan kontribusi terhadap pengembangan sistem pemantauan mahasiswa yang kuat dan andal, guna menunjang manajemen pendidikan berbasis data serta meningkatkan tingkat kelulusan di perguruan tinggi Indonesia.
PREDIKSI KEBERHASILAN USAHA KECIL MENENGAH MENGGUNAKAN CREDAL C4.5 DAN CREDAL DECISION TREE: ANALISIS KOMPARATIF Asep Saepuloh; Panji Anwar Sanusi; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 7 (2025): JURNAL MEDIA AKADEMIK Edisi Juli
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i7.2615

Abstract

Keberhasilan Usaha Mikro, Kecil, dan Menengah (UMKM) memainkan peran penting dalam mendorong pertumbuhan ekonomi lokal, khususnya di negara berkembang seperti Indonesia. Sebagai kontributor utama dalam penciptaan lapangan kerja dan inovasi, menjaga keberlanjutan UMKM menjadi hal yang krusial. Prediksi dini terhadap keberhasilan UMKM memungkinkan para pemangku kepentingan bisnis untuk merumuskan strategi yang tepat, meminimalkan risiko, dan meningkatkan daya saing di pasar yang dinamis. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja dua algoritma berbasis pohon keputusan, yaitu Credal C4.5 dan Credal Decision Tree (CDT), dalam memprediksi keberhasilan UMKM. Prediksi dilakukan berdasarkan beberapa variabel penting, seperti modal awal, pengalaman kewirausahaan, strategi pemasaran, dan lokasi usaha. Dataset yang digunakan terdiri dari 1.200 UMKM yang bergerak di sektor kuliner dan ritel dari berbagai wilayah di Indonesia, yang dianalisis menggunakan perangkat lunak WEKA. Evaluasi dilakukan dengan teknik validasi silang 10-fold untuk memastikan keandalan dan konsistensi hasil. Hasil eksperimen menunjukkan bahwa algoritma Credal C4.5 mencapai tingkat akurasi yang lebih tinggi, yaitu 88,6%, dengan struktur pohon yang lebih sederhana dan waktu komputasi yang lebih cepat dibandingkan CDT yang mencatat akurasi sebesar 84,2%. Temuan ini menunjukkan bahwa Credal C4.5 lebih efektif dan praktis sebagai alat prediktif untuk mendukung pengambilan keputusan strategis berbasis data guna pengembangan UMKM yang berkelanjutan.
Co-Authors Abdul Rokim Abid Lu’ay Raihan Taufik Agung Nugroho Ahmad Turmudi Zy Al Ayubi, Muhammad Din Aldi Patria Nugraha Alfian Saputra, Ricky Alfiana Erlangga, Dafa Alif Nur Fathlii Amarta Amar Agung Subekti An-nisa Fitriani Andhika Aziz Bachtiar Andi Setyawan Anindha Latiefa Zahra Apik Aminah Aries Widyantoro Arif Siswandi ARIF SUSILO Arif Susilo Arif Tri Widiyatmoko Ariza, Rini Arya Saepul Hakim Asep Muhidin Asep Muhidin Asep Saepuloh Asmil Januar Bagoes Ramadhan Baihaqi Asa’ari Lubis Bayu Nugroho Butsianto, Sufajar Candra Naya Catur Pranomo Dafi Andin Muhamad Daud Muzzaki Dimas Adi Nugraha Dina Amalia Putri Diska Kurnia Azzahra Putra Dito Ridwansyah, Rizjky Dzaky Alaudin Malik Edi Tri Wibowo Edora Erikasari, Vivie Zuliani Ermanto Ermanto Ermanto Fachrial Banyu Asmoro Fadhlurohman Fatikh Navintino Faisal Arya Yudanto Faiza Muhammad Julianto Faqih Irianto Fazri Albadawi Fikr, Muhammad Fiqhy Faradisa Al Bina Fitakwim Fitakwim Galih Pangestu Gilar Sumilar Hadi Putra Hardiansyah, Andi Hendra Parsaulian Henri Caesar Bimantara Herlan Wibowo Hidayat, Chaerul Hilman Ihza Amrullah Ikhsan Romli Indra Permana Indra Prakoso Indry Widiyani Iwan Mulyana Johan Mohammad Palah Khaerunnisa Isnaeni Lestari Khairunnisa Nasution Kristiyanto, Yogi Lili Fadli Muhamad Listian Indriyani Achmad Ma'ruf Setiadi2 Maharani , Tyanshi Firli Mikael Rivaldo Mochammad Rahmat Faisal Mohamad Hegar Sukmana Wibowo Monika Pakpahan MUHAMAD BINDARA SAOT Muhamad Daffa Maulana Arrasyid Muhamad Faisal Ilham Muhamad Fatchan Muhammad Akmal Ar Rasid Muhammad Albedri MUHAMMAD ARIFIN Muhammad Din Al Ayubi Muhammad Farhan Fahreza Muhammad Hegar Sukmana Muhammad Nur Falah Muhammad Rifki Febrianto Muhammad Rizal Mantofani Muhammad Rizky Raka muhidin, asep Muhtajuddin Danny Nabilla Kusuma Wijaya Nadia tul umah Nawangsih, Ismasari Naya, Candra Naza Sefti Prianita Novant Nanda Pradana Novi Wulandari Novianto Andi Hardiansyah Nur Hasim Nur Hidayati Nurhadi Surojudin Nurkholik Safrudin Ovi Marzuki Panji Anwar Sanusi Pardede, Debora Hizkhia Prasetyo, Fabian Eka Priasnyomo Prima Santoso Putra, Aan Fadillah Rafi Maulana Firdaus Rafli Maulana Ramadhan Ardi Iman Prakoso Reza Maulana, Muhammad Rio Rinto Saki Rizki Fahrizal Rizki Muhammad Rizky Juniarko Taruna Putra Rizqi Saputri Saiful Muktiali Sela, Mosses Ara’al De Setyawan, Wisnu Shanti Cahyaningtyas Sifa Setiyani Silvi Fara Dita Siswandi, Arif Siti Yasmin Nurcholifah Soejarminto, Yos Sukmana Wibowo, Mohamad Hegar Surojudin, Nurhadi Suryadi Putra Suryadi, Dikky Suryana, Syahro Tatia Deswita Anggraeni Taufik Eka Albani Tia Mulyani Tri Ngudi Wiyatno Trisnawan, Ahmad Budi Weni Purnomo1 Widodo , Edy Wisnu Ikhwansyah Saputra Wisnu Setyawan Yoga Pratama, Evan Yos Soejarminto Yudha Purnama Putra Yudi Fermana Zacky Rafian Fawwauzy Zalfa Dewi Zahrani