Article Per Year (5 Year)
p-Index From 2021 - 2026
7.983
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Teknologi dan Kejuruan Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Prosiding SNATIF Jurnal Edukasi dan Penelitian Informatika (JEPIN) Infotech Journal Jurnal Ilmiah Matrik IKRA-ITH Informatika : Jurnal Komputer dan Informatika JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Jiko (Jurnal Informatika dan komputer) JURIKOM (Jurnal Riset Komputer) JUMANJI (Jurnal Masyarakat Informatika Unjani) MIND (Multimedia Artificial Intelligent Networking Database) Journal Jurnal Tekno Kompak METIK JURNAL Building of Informatics, Technology and Science Jurnal Informatika dan Rekayasa Elektronik JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JIKA (Jurnal Informatika) JOINT (Journal of Information Technology jurnal syntax admiration Jurnal Teknologi Informatika dan Komputer Innovation in Research of Informatics (INNOVATICS) Informatics and Digital Expert (INDEX) Jurnal Ilmiah Wahana Pendidikan Journal of Informatics and Communication Technology (JICT) Jurnal Locus Penelitian dan Pengabdian Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Algoritma Jurnal Sosial dan Sains Riwayat: Educational Journal of History and Humanities Jurnal Global Ilmiah Journal of Informatics and Communication Technology (JICT) Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Fajri Rakhmat Umbara
Fakultas Sains Dan Informatika Universitas Jenderal Achmad Yani, Cimahi, Indonesia
Religion Aerospace Engineering Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering 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 Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Other

Published : 90 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search
Journal : Informatics and Digital Expert (INDEX)

 1 
Sistem Informasi Manajemen Penanggulangan Bencana Alam di Kabupaten Bandung Barat Shisi Prayesti; Asep Id Hadiana; Fajri Rakhmat Umbara
Informatics and Digital Expert (INDEX) Vol. 2 No. 1 (2020): INDEX, MEI 2020
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/ide.v2i1.428

Abstract

BPBD Kabupaten Bandung Barat merupakan sebuah lembaga pemerintah nonkementerian yang memiliki tugas diantaranya adalah memberikan pedoman dan pengarahan terhadap usaha penanggulangan bencana yang mencakup pencegahan bencana, penanganan keadaan darurat bencana, rehabilitasi, dan rekonstruksi secara adil dan setara, menyampaikan informasi kegiatan penanggulangan bencana kepada masyarakat. Agar proses penanggulangan dan pemberian informasi bencana dilakukan secara merata maka, dibentuklah sebuah Badan Penanggulangan Bencana Daerah (BPBD) khususnya di Kabupaten Bandung Barat, akan  tetapi pemberian informasi yang diberikan BPBD Kabupaten Bandung Barat mengenai mitigasi dan persiapan bencana belum dilakukan secara menyeluruh, dimana data yang diberikan bukan data per kecamatan yang ada di Kabupaten Bandung Barat, selain itu  tidak adanya informasi mengenai ancaman bencana, bantuan logistik, serta peralatan penunjang penanggulangan bencana. Hasil keluaran dari penelitian ini adalah sebuah sistem yang diimplementasikan pada perangkat lunak untuk melakukan pengolahan data penanggulangan bencana dalam membantu proses bisnis yang ada pada BPBD Kabupaten Bandung Barat.
Prediksi Penyakit Diabetes Menggunakan Algoritma Support Vector Machine (SVM) Hovi Sohibul Wafa Hovi; Asep Id Hadiana; Fajri Rakhmat Umbara
Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i1.895

Abstract

Diabetes Mellitus (DM) atau lebih dikenal dengan sebutan penyakit kencing manis adalah penyakit kronis yang disebabkan oleh gagalnya organ pankreas memproduksi jumlah hormon insulin secara memadai sehingga menyebabkan peningkatan kadar glukosa dalam darah. Diabetes Mellitus merupakan penyakit yang berbahaya, banyak diberbagai negara terkena penyakit diabetes termasuk di Indonesia. Penyebab utama diabetes masih belum diketahui, namun banyak yang percaya bahwa faktor genetika dan gaya hidup dapat memainkan peran utama pada diabetes. Para peneliti di bidang bioinformatika telah berusaha untuk mengatasi penyakit ini dan membuat sistem untuk membantu dalam prediksi diabetes. Dari berbagai penelitian yang ada, banyak menggunakan metode seperti C4.5, KNN, Naïve Bayes, serta SVM Linier dalam membangun sistem, tapi metode SVM Radial Basis Function (RBF) jarang digunakan dikarenakan hasil akurasi yang didapat tidak cukup untuk digunakan pada sistem prediksi diabetes. Pada penelitian ini menjawab gap tersebut bahwa dengan menggunakan metode algoritma SVM Radial Basis Function (RBF) dapat menghasilkan akurasi yang tinggi dengan mencapai sebesar 91%. Pengujian akurasi yang dilakukan menggunakan Confusion Matrix dan peramalan Mean Square Error dengan kfold kelipatan 10. Penelitian ini bertujuan untuk menentukan apakah penderita/pasien dapat terkena penyakit diabetes atau tidak dengan menerapkan teknik data mining dan klasifikasi menggunakan algoritma SVM Radial Basis Function berbasis Forward Selection.
ANALISIS CLUSTER PADA KELOMPOK MASYARAKAT YANG RENTAN TERHADAP PAPARAN COVID-19 MENGGUNAKAN METODE K-MEANS CLUSTERING DAN VISUALIASI DENGAN SIG Drl, Indra Raja; Chrisnanto, Yulison Herry; Umbara, Fajri Rakhmat
Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i2.885

Abstract

Covid-19 adalah penyakit yang menular serta laju infeksi yang cepat,setelah mencapai 100 kasus yang dikonfirmasikan terinfeksi tingkat penyebarannya meluas, Dengan cepatnya penyebaran wabah Covid-19 masyarakat sangat prihatin dengan penyebaran dan dampaknya ,orang yang sebelumnya sudah memiliki gangguan kesehatan akan meningkatkan risiko terinfeksi Covid-19 gangguan kesehatan ini seperti,tuberkulosis,diabetes ,diare ,hipertensi.Ada pun Faktor lain yang mempengaruhi penyebaran Covid-19 sepert kepadatan penduduk yang tinggi di kota besar ,iklim,suhu dan daerah metropolitan merupakan faktor risiko utama untuk tertular virus. Dari adanya faktor yang mempengaruhi kasus covid-19 sehingga Satgas Penanganan Covid-19 menilai pentingnya bagi semua pihak termasuk masyarakat memahami faktor-faktor lonjakan kasus Covid-19 agar terhindar dari kasus itu.tujuan dari penelitian ini Menggunakan metode K-Means Clustering untuk analisis cluster pada wilayah yang memiliki karakteristik tingginya kasus covid-19 dan variable apa yang berpengaruh terhadap tingginya kasus covid-19 dan divisualisasi menggunakan Sistem informasi geografis sehingga diharapakan dapat menjadi informasi bagi masyarakat dan instansi kesehatan untuk memahami kelompok wilayah yang rentan. kesimpulannya wilayah kota bandung dikelompokan menjadi 3 cluster yang dimana cluster 1 itu wilayah dengan kasus covid-19 tertinggi dan faktor yang mempengaruhi covid-19 juga tinggi untuk cluster 2 memiliki tingkat kasus yang rendah dan cluster 3 memiliki tingkatan yang yang lebih rendah dari kedua cluster.
Deteksi Ujaran Kebencian dengan Metode Klasifikasi Naïve Bayes dan Metode N-Gram pada Dataset Multi-Label Twitter Berbahasa Indonesia Yazid, Rija Muhamad; Umbara, Fajri Rakhmat; Sabrina, Puspita Nurul
Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i2.894

Abstract

Ujaran kebencian adalah ungkapan atau bahasa yang digunakan untuk mengekspresikan kebencian terhadap seseorang atau sekelompok orang. Ujaran kebencian juga memiliki tingkatan ancaman, semakin tinggi tingkat ancaman ujaran kebencian maka akan semakin luas dan cepat penyebarannya sehingga dapat menimbulkan konflik antar individu sampai konflik antar kelompok. Untuk dapat mendeteksi dan mengklasifikasikan ujaran kebencian sekaligus tingkat ancamannya dalam penelitian ini digunakan dataset multi-label dari penelitian sebelumnya dengan menggunakan label yang masuk kedalam topik ujaran kebencian dan tingkat ancaman dengan total sebanyak 4 label. Dalam menyelesaikan permasalahan multi-label tersebut digunakan metode Naïve Bayes sebagai metode klasifikasi dan metode Label Power-set sebagai metode transformasi data, dalam penelitian ini juga digunakan pembobotan TF-IDF sekaligus melakukan beberapa skenario penelitian berdasarkan metode ekstraksi fitur n-gram. Hasil terbaik yang didapatkan berdasarkan hasil evaluasi F-score adalah sebesar 64,957% ketika menggunakan kombinasi metode ekstraksi fitur word unigram, word bigram dan character quadgram. Dari penelitian ini juga didapatkan bahwa semakin banyak fitur yang digunakan maka semakin baik nilai hasil evaluasinya terhadap jenis dataset yang digunakan.
Prediksi Pengagguran Menggunakan Decision Tree Dengan Algoritma C5.0 Pada Data Penduduk Kecamatan Caringin Kabupaten Bogor Kahfi, Muhammad Dzatul; Umbara, Fajri Rakhmat; Ashaury, Herdi
Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i2.913

Abstract

Tingkat kesejahteraan dalam kehidupan bermasyarakat dapat dilihat dari tingkat penganggurannya. Pemerintah daerah biasanya mengadakan sebuah program untuk membantu mengurangi jumlah pengangguran, entah itu dengan mengadakan sebuah pelatihan atau hal lain yang dapat mendorong kreativitas masyarakat dan meningkatkan kemampuan hardskill agar dapat bersaing di dunia kerja. Ada banyak penelitian yang memprediksi tingkat pengangguran dan juga ada penelitian yang menggunakan algoritma C5.0 untuk melakukan prediksi, namun belum ada penelitian yang menggabungkan subjek dan metode tersebut. penelitian ini bertujuan untuk membuat sebuah model prediksi menggunakan algoritma C5.0 terhadap data penduduk kecamatan caringin dan mencari skenario dengan hasil akurasi yang paling tinggi. namun terdapat beberapa permasalahan yang harus dihadapi seperti bagaimana tingkat akurasi Model klasifikasi Decision Tree dengan algoritma C5.0 terhadap dataset penduduk Kecamatan Caringin dan Bagaimana resio data latih data uji dan penggunaan pruning memengaruhi tingkat akurasi prediksi yang akan dilakukan. Penelitian ini dievaluasi menggunakan beberapa skenario rasio data latih dan data uji yang berbeda beda dan penggunaan pruning yang berbeda. Hasil dari penelitian ini adalah model prediksi pengangguran berhasil dibuat dengan tingkat akurasi paling tinggi yaitu pada skenario data latih 70% dan data uji 30% dengan menerapkan teknik post pruning.
ANALISIS CLUSTER PADA KELOMPOK MASYARAKAT YANG RENTAN TERHADAP PAPARAN COVID-19 MENGGUNAKAN METODE K-MEANS CLUSTERING DAN VISUALIASI DENGAN SIG Drl, Indra Raja; Chrisnanto, Yulison Herry; Umbara, Fajri Rakhmat
Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i2.885

Abstract

Covid-19 adalah penyakit yang menular serta laju infeksi yang cepat,setelah mencapai 100 kasus yang dikonfirmasikan terinfeksi tingkat penyebarannya meluas, Dengan cepatnya penyebaran wabah Covid-19 masyarakat sangat prihatin dengan penyebaran dan dampaknya ,orang yang sebelumnya sudah memiliki gangguan kesehatan akan meningkatkan risiko terinfeksi Covid-19 gangguan kesehatan ini seperti,tuberkulosis,diabetes ,diare ,hipertensi.Ada pun Faktor lain yang mempengaruhi penyebaran Covid-19 sepert kepadatan penduduk yang tinggi di kota besar ,iklim,suhu dan daerah metropolitan merupakan faktor risiko utama untuk tertular virus. Dari adanya faktor yang mempengaruhi kasus covid-19 sehingga Satgas Penanganan Covid-19 menilai pentingnya bagi semua pihak termasuk masyarakat memahami faktor-faktor lonjakan kasus Covid-19 agar terhindar dari kasus itu.tujuan dari penelitian ini Menggunakan metode K-Means Clustering untuk analisis cluster pada wilayah yang memiliki karakteristik tingginya kasus covid-19 dan variable apa yang berpengaruh terhadap tingginya kasus covid-19 dan divisualisasi menggunakan Sistem informasi geografis sehingga diharapakan dapat menjadi informasi bagi masyarakat dan instansi kesehatan untuk memahami kelompok wilayah yang rentan. kesimpulannya wilayah kota bandung dikelompokan menjadi 3 cluster yang dimana cluster 1 itu wilayah dengan kasus covid-19 tertinggi dan faktor yang mempengaruhi covid-19 juga tinggi untuk cluster 2 memiliki tingkat kasus yang rendah dan cluster 3 memiliki tingkatan yang yang lebih rendah dari kedua cluster.
Deteksi Ujaran Kebencian dengan Metode Klasifikasi Naïve Bayes dan Metode N-Gram pada Dataset Multi-Label Twitter Berbahasa Indonesia Yazid, Rija Muhamad; Umbara, Fajri Rakhmat; Sabrina, Puspita Nurul
Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i2.894

Abstract

Ujaran kebencian adalah ungkapan atau bahasa yang digunakan untuk mengekspresikan kebencian terhadap seseorang atau sekelompok orang. Ujaran kebencian juga memiliki tingkatan ancaman, semakin tinggi tingkat ancaman ujaran kebencian maka akan semakin luas dan cepat penyebarannya sehingga dapat menimbulkan konflik antar individu sampai konflik antar kelompok. Untuk dapat mendeteksi dan mengklasifikasikan ujaran kebencian sekaligus tingkat ancamannya dalam penelitian ini digunakan dataset multi-label dari penelitian sebelumnya dengan menggunakan label yang masuk kedalam topik ujaran kebencian dan tingkat ancaman dengan total sebanyak 4 label. Dalam menyelesaikan permasalahan multi-label tersebut digunakan metode Naïve Bayes sebagai metode klasifikasi dan metode Label Power-set sebagai metode transformasi data, dalam penelitian ini juga digunakan pembobotan TF-IDF sekaligus melakukan beberapa skenario penelitian berdasarkan metode ekstraksi fitur n-gram. Hasil terbaik yang didapatkan berdasarkan hasil evaluasi F-score adalah sebesar 64,957% ketika menggunakan kombinasi metode ekstraksi fitur word unigram, word bigram dan character quadgram. Dari penelitian ini juga didapatkan bahwa semakin banyak fitur yang digunakan maka semakin baik nilai hasil evaluasinya terhadap jenis dataset yang digunakan.
Prediksi Penyakit Diabetes Menggunakan Algoritma Support Vector Machine (SVM) Hovi, Hovi Sohibul Wafa; Id Hadiana, Asep; Rakhmat Umbara, Fajri
Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i1.895

Abstract

Diabetes Mellitus (DM) atau lebih dikenal dengan sebutan penyakit kencing manis adalah penyakit kronis yang disebabkan oleh gagalnya organ pankreas memproduksi jumlah hormon insulin secara memadai sehingga menyebabkan peningkatan kadar glukosa dalam darah. Diabetes Mellitus merupakan penyakit yang berbahaya, banyak diberbagai negara terkena penyakit diabetes termasuk di Indonesia. Penyebab utama diabetes masih belum diketahui, namun banyak yang percaya bahwa faktor genetika dan gaya hidup dapat memainkan peran utama pada diabetes. Para peneliti di bidang bioinformatika telah berusaha untuk mengatasi penyakit ini dan membuat sistem untuk membantu dalam prediksi diabetes. Dari berbagai penelitian yang ada, banyak menggunakan metode seperti C4.5, KNN, Naïve Bayes, serta SVM Linier dalam membangun sistem, tapi metode SVM Radial Basis Function (RBF) jarang digunakan dikarenakan hasil akurasi yang didapat tidak cukup untuk digunakan pada sistem prediksi diabetes. Pada penelitian ini menjawab gap tersebut bahwa dengan menggunakan metode algoritma SVM Radial Basis Function (RBF) dapat menghasilkan akurasi yang tinggi dengan mencapai sebesar 91%. Pengujian akurasi yang dilakukan menggunakan Confusion Matrix dan peramalan Mean Square Error dengan kfold kelipatan 10. Penelitian ini bertujuan untuk menentukan apakah penderita/pasien dapat terkena penyakit diabetes atau tidak dengan menerapkan teknik data mining dan klasifikasi menggunakan algoritma SVM Radial Basis Function berbasis Forward Selection.
Prediksi Pengagguran Menggunakan Decision Tree Dengan Algoritma C5.0 Pada Data Penduduk Kecamatan Caringin Kabupaten Bogor Kahfi, Muhammad Dzatul; Umbara, Fajri Rakhmat; Ashaury, Herdi
Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i2.913

Abstract

Tingkat kesejahteraan dalam kehidupan bermasyarakat dapat dilihat dari tingkat penganggurannya. Pemerintah daerah biasanya mengadakan sebuah program untuk membantu mengurangi jumlah pengangguran, entah itu dengan mengadakan sebuah pelatihan atau hal lain yang dapat mendorong kreativitas masyarakat dan meningkatkan kemampuan hardskill agar dapat bersaing di dunia kerja. Ada banyak penelitian yang memprediksi tingkat pengangguran dan juga ada penelitian yang menggunakan algoritma C5.0 untuk melakukan prediksi, namun belum ada penelitian yang menggabungkan subjek dan metode tersebut. penelitian ini bertujuan untuk membuat sebuah model prediksi menggunakan algoritma C5.0 terhadap data penduduk kecamatan caringin dan mencari skenario dengan hasil akurasi yang paling tinggi. namun terdapat beberapa permasalahan yang harus dihadapi seperti bagaimana tingkat akurasi Model klasifikasi Decision Tree dengan algoritma C5.0 terhadap dataset penduduk Kecamatan Caringin dan Bagaimana resio data latih data uji dan penggunaan pruning memengaruhi tingkat akurasi prediksi yang akan dilakukan. Penelitian ini dievaluasi menggunakan beberapa skenario rasio data latih dan data uji yang berbeda beda dan penggunaan pruning yang berbeda. Hasil dari penelitian ini adalah model prediksi pengangguran berhasil dibuat dengan tingkat akurasi paling tinggi yaitu pada skenario data latih 70% dan data uji 30% dengan menerapkan teknik post pruning.
Co-Authors -, Agus Komarudin -, Ridwan Ilyas Adam, Marcellino Ade Kania Ningsih Aditya Bahrul 'Alam, Moch Aditya, Aldy Adzani, Nadhif Nurul Fajri AGIEL FADILLAH HERMAWAN Agri Yodi Prayoga Ahsin Fauzi Aldi Sidik Permana Anwar Fauzi, Mochammad Ardiyansyah, Muhamad Salman Ashaury, Herdi Asrul Badar, Ahmad Cepi, Gan Dava Maulana, Muhammad Delfany Arcadia Valeska Destiyanti, Fitri Dewi Kartika Sari Dewi, Wulan Dian Nursantika Drl, Indra Raja Ella Wahyu Guntari Erna Sesarliana* Fadhilahsyah Ramadhan, Muhammad Diky Faiza Renaldi Fauzan, Ariq Febriansyah Istianto, Andrian Ferdiansyah Ferdian FERDIANSYAH, ALDOVA fery bayu aji FIQRI FAKHRUL GUNAWAN Firmansyah, Rolan Fitri Nurbaya Gestavito, Rio Ginanjar Rahayu Gita Mahesa Hadiana, Asep Id Hasna, Aisyah Nur Hendro, Tacbir Herdi Ashaury Hidayat, Ferdian Afza Hidayat, Mazid Hidayatulah Himawan Hovi Sohibul Wafa Hovi Hovi, Hovi Sohibul Wafa Ilham Danoppati Junior, Rifqi Pratama Kahfi, Muhammad Dzatul Kasyidi, Fatan Kharis Pratama, Adam Kharisma Jevi Shafira Sepyanto Krisdianto Sitanggang, Sari Levi Sabili, Naufal Lio Wilianto Mazid Hidayat Melina Melina Miftahul Falah Muhamad Ramdan, Muhamad Muhammad Ramdhani, Muhammad Nelsih Putriani Novi Hermansyah Nugroho, Akbar Satrio Nurul Sabrina, Puspita Nusantara, Madya Dharma Oktariansyah, Indro Abri Permana, Acep Handika Pujo Sulardi Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina, Puspita Nurul Putra, Dion Revaldy Putri, Ika Rahmah Rachadian Novansyah Rahandanu Rachmat Reno Setiawan Rezki Yuniarti Ridwan Ilyas Salsabila Fajriati Romli Salsabila Salsabila, Salsabila Fajriati Romli Sapari, Albi Mulyadi Sepyanto, Kharisma Jevi Shafira SETIAWAN, YOSEP Shisi Prayesti Sigit Pratama Siti Aisah Sulardi, Pujo Susanti, Adisti Dwi Susilowati, Merliana Tri Syarifudin Yoga Pinasty Syarifudin Yoga Pinasty Tacbir Hendro Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tiara Rahmawati Tri Wijaya Permana Sidik Wibowo, Ditto Ridhwan Wilianto, Lio Wina Witanti Wina Witanti Yanuar, Muhammad Rizki Yazid, Rija Muhamad Yoga, Yoga Yulison Herry Chrisnanto