Article Per Year (5 Year)
p-Index From 2021 - 2026
6.357
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Kursor Jurnal Transformatika Jurnas Nasional Teknologi dan Sistem Informasi E-Dimas: Jurnal Pengabdian kepada Masyarakat Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer JPM (Jurnal Pemberdayaan Masyarakat) Jurnal BALIRESO Dinamisia: Jurnal Pengabdian Kepada Masyarakat ILKOM Jurnal Ilmiah MIND (Multimedia Artificial Intelligent Networking Database) Journal KOMPUTIKA - Jurnal Sistem Komputer Journal of Information System, Applied, Management, Accounting and Research Celebes Abdimas: Jurnal Pengabdian Kepada Masyarakat Buletin Ilmiah Sarjana Teknik Elektro Indonesian Journal of Data and Science Indian Journal of Forensic Medicine & Toxicology International Journal of Engineering, Science and Information Technology Jurnal PkM (Pengabdian kepada Masyarakat) Caraka : Indonesia Journal of Communication Buletin Sistem Informasi dan Teknologi Islam Ilmu Komputer untuk Masyarakat Celebes Journal of Community Services KOPEMAS Jurnal Balireso: Jurnal Pengabdian pada Masyarakat Journal of Information Technology and its Utilization Linier: Literatur Informatika dan Komputer
Dolly Indra
Universitas Muslim Indonesia
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 64 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 64 Documents
Search

 3   4   5   6   7 
Rancangan Sistem Pengarsipan Surat Organisasi Himpunan Pelajar Mahasiswa Turatea Berbasis Web Menggunakan Metode Metadata Armind Mauldi Kurniawan; Dolly Indra; Farniwati Fattah
LINIER: Literatur Informatika dan Komputer Vol 2, No 4 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i4.3340

Abstract

Pengelolaan arsip surat pada Himpunan Pelajar Mahasiswa Turatea (HPMT) Kabupaten Jeneponto selama ini masih dilakukan secara manual dengan mencatat pada buku agenda dan menyimpan dokumen dalam bentuk fisik. Proses tersebut menimbulkan berbagai kendala, di antaranya sulitnya pencarian arsip, risiko kehilangan atau kerusakan dokumen, serta rendahnya efisiensi administrasi organisasi. Untuk mengatasi masalah tersebut, penelitian ini merancang sistem pengarsipan surat berbasis web dengan menerapkan metode metadata sebagai sarana pengklasifikasian data agar proses pencarian lebih cepat dan terstruktur. Metode pengembangan yang digunakan adalah Software Development Life Cycle (SDLC) model Waterfall yang meliputi tahapan analisis kebutuhan, perancangan, implementasi, pengujian, serta pemeliharaan. Perancangan sistem mencakup flowchart, use case, activity diagram, sequence diagram, class diagram, dan desain antarmuka utama. Sistem dirancang agar admin dapat melakukan manajemen arsip surat masuk dan keluar, pencarian berbasis metadata, manajemen pengguna, serta pembuatan laporan dalam format PDF. Sementara itu, pengguna memiliki hak akses terbatas untuk melihat arsip dan membuat laporan tanpa dapat mengubah data. Dengan adanya sistem ini, proses pengarsipan surat pada HPMT diharapkan menjadi lebih efisien, terorganisir, dan aman, sehingga dapat meningkatkan kinerja administrasi organisasi secara menyeluruh
Implementasi Metode YOLO Dalam Mendeteksi Jenis Sampah Berbasis Computer Vision Muh. Fachrisyam; Dolly Indra; Mardiyyah Hasnawi
LINIER: Literatur Informatika dan Komputer Vol 2, No 1 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i1.2788

Abstract

Dalam beberapa dekade terakhir, masalah lingkungan, termasuk masalah sampah, telah menjadi isu global . Pengolahan sampah bisa menjadi solusi dalam menangani permasalahan ini, salah satu tantangan utama dalam pengolahan sampah adalah pengenalan dan pemilahan jenis sampah. Oleh karenanya solusi untuk mengatasi masalah ini yaitu dengan memanfaatkan teknologi berbasis komputer, suatu sistem untuk mendeteksi jenis sampah organik dan anorganik, Metode yang digunakan adalah metode You Only Look Once (YOLO) salah satu algoritma pendeteksi objek yang dapat digunakan secara real-time. Sistem yang dirancang ini menggunakan metode YOLOv5 dengan penggunaan versi pre-trained model YOLOv5s. Penelitian ini dibuat melalui beberapa tahap termasuk pengumpulan dataset gambar sampah, pelabelan data, pelatihan model YOLOv5 hingga pengujian model.  Dataset yang digunakan terdiri dari kantong plastik, kertas, kaleng, kulit telur dan tomat. Selanjutnya model akan di muat pada aplikasi mobile untuk melakukan deteksi secara langsung menggunakan kamera smartphone. Output yang dihasilkan merupakan nama jenis sampah dengan kotak pembatas di sekitar objek yang terdeteksi
Implementasi Support Vector Machine dan Random Forest Untuk Klasifikasi Angka dan Huruf BISINDO Andi Apryan Mallarangen; Dolly Indra
LINIER: Literatur Informatika dan Komputer Vol 2, No 4 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i4.3341

Abstract

Bahasa Isyarat Indonesia (BISINDO) adalah alat utama yang digunakan oleh orang-orang yang tidak bisa mendengar dalam berkomunikasi sehari-hari. Namun, banyak orang yang tidak memahami BISINDO, sehingga menyulitkan mereka untuk berinteraksi dengan orang lain. Karena itu, penelitian ini mencoba membuat sistem otomatis yang dapat menerjemahkan atau mengenali bahasa isyarat. Penelitian ini fokus pada pengembangan model yang dapat mengklasifikasikan gambar tangan BISINDO menggunakan metode pembelajaran mesin, yaitu Support Vector Machine (SVM) dan Random Forest. Dataset yang digunakan terdiri dari gambar tangan yang menunjukkan berbagai huruf dan angka dalam BISINDO. Gambar-gambar tersebut diproses menggunakan Histogram of Oriented Gradients (HOG) untuk menghasilkan fitur yang mampu merepresentasikan bentuk tangan secara akurat meskipun terjadi perubahan cahaya, ukuran, atau arah gambar. Pada tahap klasifikasi, SVM digunakan dengan kernel radial basis function (RBF) yang bisa menangani data yang tidak bersifat linear, sedangkan Random Forest menggunakan sejumlah pohon sebagai classifier ensemble untuk meningkatkan kemampuan model dalam pengenalan secara umum. Kedua metode ini dibandingkan untuk menentukan metode mana yang paling efektif dalam mengenali BISINDO. Hipotesis penelitian menyatakan bahwa Random Forest cenderung memberikan hasil yang lebih akurat jika data yang digunakan bersih dan terstruktur dengan baik, sedangkan SVM lebih stabil ketika menghadapi variasi dalam gambar tangan yang kompleks
Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Terhadap Fasilitas dan Pelayanan Bandara Sultan Hasanuddin Makassar Tenri Sa'nah; Dolly Indra; Abdul Rachman Manga’
LINIER: Literatur Informatika dan Komputer Vol 2, No 4 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i4.3336

Abstract

Transportasi udara memiliki peran vital dalam mendukung mobilitas dan perekonomian di Indonesia, khususnya di wilayah timur yang terhubung melalui Bandara Sultan Hasanuddin Makassar. Kualitas fasilitas dan pelayanan bandara menjadi faktor penting dalam membentuk pengalaman pengguna, yang dapat diukur melalui analisis sentimen terhadap ulasan publik di platform digital. Penelitian ini bertujuan membandingkan kinerja algoritma SVM dan Naïve Bayes dalam mengklasifikasikan sentimen positif dan negatif dari 4.049 ulasan pengguna berbahasa Indonesia yang dikumpulkan dari Google Maps periode 2021-2025. Penelitian ini juga menerapkan teknik Stratified k-fold Cross-validation dengan nilai k = 4 dan k = 5 Data. diproses melalui tahapan cleaning, case folding, normalisasi, stemming, filtering, tokenizing, serta pembobotan TF-IDF. Untuk mengatasi ketidakseimbangan kelas, digunakan metode SMOTE. Hipotesis penelitian ini adalah penerapan SMOTE dapat meningkatkan akurasi model, dan SVM akan menunjukkan performa lebih unggul dibanding Naïve Bayes. Hasil pengujian menunjukkan SVM dengan kernel linear dan parameter C=1 mencapai akurasi tertinggi sebesar 97,0% pada pembagian data 80:20, sedangkan Naïve Bayes terbaik meraih 94,3% pada skenario yang sama. Temuan ini mengonfirmasi hipotesis, menunjukkan bahwa SVM dengan penyeimbangan data memberikan kinerja optimal dalam analisis sentimen ulasan bandara
Rancang Bangun Prototype Smoker Detector Berbasis Arduino Uno R3 Muh Yeyen Dwi Suherman; Dolly Indra; Abdul Rachman Manga’
LINIER: Literatur Informatika dan Komputer Vol 2, No 2 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i2.3113

Abstract

Kebiasaan merokok sering kita jumpai di kafe dan tempat umum lainnya. Kebiasaan ini dapat membuat pengunjung lain merasa canggung dengan asap rokok. Udara bersih tentu dibutuhkan oleh semua orang, baik orang dewasa, tua, maupun muda, Namun, banyak orang yang mengotori udara bersih, salah satu contohnya adalah dengan merokok di tempat umum. Kurangnya kesadaran dan pandangan negatif masyarakat setempat tentang risiko rokok bagi mereka dan orang di sekitar mereka, membuat kurangnya kapasitas masyarakat setempat mengubah cara berperilaku dan menciptakan lingkungan yang sehat. Oleh karena itu, upaya pencegahan harus dilakukan di rumah, di kelas, dan di masyarakat. Dengan hal tersebut peneliti membuat rancangan bangun prototype smoke detector berbasis arduino uno R3. Dengan menggunakan beberapa komponen alat yang dapat membantu mendeteksi asap rokok seperti arduino uno R3 berfungsi untuk mengolah hasil input-an yang dibaca oleh sensor MQ 135 kemudian mengeluarkan output sesuai dengan apa yang telah diprogramkan. MQ 135 berfungsi mendeteksi asap rokok, L298n sebagai pengatur kecepatan pada fan, LCD 12c menampilkan data yang tersedia, fan untuk mengeluarkan asap
KLASIFIKASI CENGKEH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Lisna Ariani; Dolly Indra; Fitriyani Umar
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3145

Abstract

Cengkeh merupakan salah satu komoditas unggulan di sektor pertanian Indonesia yang memiliki nilai ekonomi tinggi, namun rentan mengalami penurunan kualitas akibat kontaminasi jamur selama proses panen dan pascapanen. Selama ini, proses klasifikasi cengkeh berjamur dan tidak berjamur masih dilakukan secara manual, yang cenderung tidak efisien, subjektif, dan berpotensi menimbulkan inkonsistensi, terutama ketika harus menangani volume data dalam jumlah besar. Oleh karena itu, penelitian ini dirancang untuk mengembangkan sistem klasifikasi otomatis berbasis kecerdasan buatan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur InceptionV3. Penelitian akan dilakukan di Kecamatan Lasusua, Kabupaten Kolaka Utara, dengan menggunakan dataset sebanyak 1.000 citra digital cengkeh yang diambil dari dua pose berbeda. Seluruh citra akan melalui tahapan preprocessing dan augmentasi guna memperkuat kualitas dan keragaman data, sebelum digunakan dalam proses pelatihan model CNN. Evaluasi terhadap performa model akan dilakukan dengan mengukur nilai akurasi, presisi, recall, dan F1-score untuk menentukan sejauh mana efektivitas sistem dalam mengklasifikasikan cengkeh ke dalam dua kelas, yaitu berjamur dan tidak berjamur. Diharapkan hasil dari penelitian ini dapat memberikan kontribusi nyata terhadap peningkatan efisiensi, akurasi, dan objektivitas dalam proses sortasi cengkeh serta menjadi langkah awal dalam penerapan teknologi deep learning untuk mendukung digitalisasi mutu hasil pertanian, khususnya pada komoditas strategis seperti cengkeh
Smart Waste Bin Prototype for University Waste Management Fauzy Fathrurahman; Dolly Indra; Tasrif Hasanuddin; Herdianti Darwis; Tanaka Kazuaki
Indonesian Journal of Data and Science Vol. 6 No. 3 (2025): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v6i3.324

Abstract

Background: Waste mismanagement remains a critical issue in Indonesian campuses, where ineffective segregation and collection practices contribute to environmental pollution. Smart technologies offer opportunities to improve waste handling efficiency and monitoring in university environments. Methods: This study developed a smart waste bin prototype that integrates Internet of Things (IoT) sensors, machine learning–based image classification (MobileNetV2 with TensorFlow Lite), GPS tracking, and LoRa communication. The system was designed to classify three types of waste—plastic bottles, snack packaging, and cans—while enabling fill-level monitoring, automated sorting, and real-time location reporting. Results: Experimental results showed strong classification accuracy for plastic bottles (100%), but lower performance for snack packaging (53–80%) and cans (40–67%), especially in low-light conditions or with darker materials. The overall real-time testing accuracy reached 45.1%. LoRa communication provided long-range connectivity but was affected by electromagnetic interference, while GPS tracking was reliable in open areas but inconsistent indoors. Conclusions: The prototype demonstrates the feasibility of integrating AI and IoT for scalable campus waste management. Despite environmental and hardware limitations, it offers a modular framework that can be refined with improved lighting, EMI shielding, and enhanced datasets. This research contributes a practical model for smart campus initiatives and supports the adoption of sustainable waste management practices in higher education environments.
Comparing Sentiment Labeling with RoBERTa and IndoBERTweet on Public Opinion of Program Makan Bergizi Gratis Putri Nur Rezky; Dolly Indra; Herdianti
Indonesian Journal of Data and Science Vol. 7 No. 1 (2026): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v7i1.381

Abstract

The Program Makan Bergizi Gratis (MBG) is a flagship program of the Prabowo Subianto administration launched in 2024, triggering diverse public responses on social media. Sentiment analysis using deep learning models offers an effective approach to understanding public opinion at scale. However, selecting the appropriate model for Indonesian social media text remains challenging. This study aims to compare the performance of two pretrained transformer models, RoBERTa Base and IndoBERTweet Base, in conducting automatic sentiment labeling on Indonesian tweets related to the MBG program using a zero-shot labeling approach without human-annotated ground truth. A total of 1,831 tweets were collected from platform X and preprocessed using case folding, normalization, and stopword removal. Both models were applied in parallel to label each tweet with sentiment categories (positive, neutral, negative) along with confidence scores. The comparison was evaluated using agreement rate, Cohen's Kappa, and confidence score analysis. RoBERTa Base exhibits a conservative tendency with 75.20% neutral labels, while IndoBERTweet Base produces a more balanced distribution (68.16% neutral). The comparison shows 77.28% agreement with Cohen's Kappa of 0.490 (Moderate Agreement). RoBERTa Base achieves higher confidence (mean: 0.9559, 83.01% above 0.95) compared to IndoBERTweet Base (mean: 0.9236, 68.65% above 0.95). IndoBERTweet Base is more effective in detecting negative sentiment, identifying nearly twice as many negative tweets (13.54% vs. 7.48%). This study recommends IndoBERTweet Base for exploratory research requiring sensitive sentiment detection and RoBERTa Base for precision-critical applications. An ensemble approach combining both models is recommended for production-critical applications
Detection System of Strawberry Ripeness Using K-Means Indra, Dolly; Satra, Ramdan; Azis, Huzain; Manga, Abdul Rachman; L, Harlinda
ILKOM Jurnal Ilmiah Vol 14, No 1 (2022)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i1.1054.25-31

Abstract

Strawberry is one type of fruit that is favored by the people of Indonesia. The detection process to identify strawberries can be done by utilizing advances in computer technology, One of them is in the field of digital image processing. In this study, we made a strawberry ripeness detection system using the values of Red, Green and Blue as the reference values, while for identification in determining the type of classification using the K-Means algorithm that uses the Euclidean distance difference as the reference. Based on the results of testing using the K-Means algorithm on 51 strawberry images consisting of ripe, semi ripe and raw fruit yielding an accuracy rate of 82.14%, we also conducted tests other than strawberry images as many as 8 images yielded an accuracy rate of 100%.
Klasifikasi Daun Herbal Berbasis Integrasi Fitur LBP dan Bentuk Menggunakan Random Forest AMALIA PUTRI UTAMI; DOLLY INDRA; FITRIYANI UMAR
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 11, No 1 (2026): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v11i1.44-59

Abstract

Abstrak Identifikasi daun herbal secara manual sering mengalami kendala akibat kemiripan visual antarspesies yang berpotensi menimbulkan kesalahan pemanfaatan. Penelitian ini bertujuan mengklasifikasikan sepuluh jenis daun herbal menggunakan kombinasi fitur tekstur Local Binary Pattern (LBP) dan fitur bentuk, yaitu aspect ratio, eccentricity, circularity, dan convexity. Dataset terdiri dari 500 citra yang dibagi menjadi 400 data latih dan 100 data uji dengan rasio 80:20. Tahap pre-processing meliputi resize, konversi ke grayscale, dan Gaussian Blur untuk mengurangi noise. Segmentasi dilakukan menggunakan Otsu thresholding untuk memperoleh objek daun dan Canny Edge Detection untuk menonjolkan struktur tekstur. Proses klasifikasi menerapkan algoritma Random Forest dengan pengujian beberapa kombinasi parameter guna memperoleh model optimal. Hasil terbaik diperoleh pada model dengan n_estimators=200, max_features=2, max_depth=none, dan min_samples_leaf=2, yang menghasilkan akurasi 92%, precision 92%, recall 92%, dan F1-score 92%. Kata kunci: Daun Tanaman Herbal; Fitur Bentuk; Fitur Tekstur; Klasifikasi Citra; Local Binary Pattern; Random Forest AbstractManual identification of herbal leaves often encounters challenges due to visual similarities among species, which can potentially lead to errors in their utilization. This study aims to classify ten types of herbal leaves using a combination of Local Binary Pattern (LBP) texture features and shape features, namely aspect ratio, eccentricity, circularity, and convexity. The dataset consists of 500 images divided into 400 training data and 100 testing data with an 80:20 ratio. The preprocessing stage includes resizing, grayscale conversion, and Gaussian Blur to reduce noise. Segmentation was performed using Otsu thresholding to extract the leaf object and Canny Edge Detection to enhance texture structures. The classification process applies the Random Forest algorithm with testing of several parameter combinations to obtain the optimal model. The best results were achieved with a model using n_estimators=200, max_features=2, max_depth=none, and min_samples_leaf=2, yielding an accuracy of 92%, precision of 92%, recall of 92%, and F1-score of 92%. Keywords: Herbal Plant Leaves, Texture Features, Shape Features, Image Classification, Local Binary Pattern; Random Forest
Co-Authors Abdul Rachman Manga’ Abdul Rauf Tuasikal Achmad Novanto Agung, Riski Dewa Ahmad Toni, Ahmad Aldri Frinaldi AMALIA PUTRI UTAMI Amir, Nur Hikmah Andi Apryan Mallarangen andi Widya Mufila Gafar Anik Nur Handayani Ardhiansya Yusuf Arfan Zainuddin Armind Mauldi Kurniawan As'ad, Ihwana Asdar Djamereng Astuti, Wistiani Damanhuri, Nor Salwa Daris, Mega Asfirawati Dewi Ernita Rahma Erick Irawadi Alwi Erick Irawadi Alwi Erick Irawadi Alwi, Erick Irawadi Erick, Erick Irawadi Alwi Fadly Achmad Farniwati Fattah Fauzy Fathrurahman Fery Setyo Aji Firman Shantya Budi, Firman Shantya Fitriyani Umar Hadyan Mardhi Fadlillah Harlinda Lahuddin Hayudin Hasnanda Maila Herdianti Herdianti Darwis Herman Herman Hi. Talib, Juraiz Hidayat, Muh Wahyu Huzain Azis Ihwana As’ad Irawati Irawati Irawati Irawati Irja, Mulianty Cipta jabir, sitti rahmah Jufriadif Na`am, Jufriadif Juita Mandasari Julius Santony Kasman Kasman L, Harlinda Lilis Nur Hayati lilis nurhayati Lisna Ariani Lukman Syafie Lutfi Budi Ilmawan Lutfi Budi Ilmawan, Lutfi Budi Manga, Abdul Rachman Manga, Abdul Rachman Mansyur, St. Hajrah Mardiyyah Hasnawi Muh Fadlan Risqullah Dwitama N Muh Yeyen Dwi Suherman Muh. Fachrisyam Muh. Ridwan Rahim Muhammad Al Mubarak Muhammad Arfah Asis Muhammad Farhan Hermansyah Muhammad Haerdiansyah Syahnur Muhammad Rifky Saputra Scania Mukarramah, Rifqatul Musdalifah Musdalifah Mustika, Mustika Octavia Nor Salwa Damanhuri Novanto, Achmad Nurhalima Nurhalima Purnawansyah Purnawansyah Putri Nur Rezky Rahmayani, Nurul Ramadan, Syahril Ramdan Satra Ramdaniah Ramdaniah Rezky Anugrah Rosa Andrie Asmara Salsa, Salsabila Aurelia Satma, Satma St. Hajrah Mansyur Subhan Ardhiman Sugiarti, Sugiarti Sukur, Widianti Syahnur, Muh. Haerdiansyah Syahrul Mubarak Abdullah Tanaka Kazuaki Tasmil Tasmil Tasrif Hasanuddin Tasrif Hasanuddin Taufik, Muhammad Asrai Tenri Sa'nah Umar Mansyur Umar, Fitriyani Veithzal Rivai Zainal Wahyu Kadri Rahmat Suat Wahyu Sakti Gunawan Irianto Wistiani Astuti Yuhandri Yuhandri, Yuhandri Yundari, Yundari Zahra, Andi Fathimatuz Zahra