Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

10.4

P-Index

This Author published in this journals

All Journal Teknika SITEKIN: Jurnal Sains, Teknologi dan Industri Scientific Journal of Informatics Paediatrica Indonesiana JTT (Jurnal Teknologi Terpadu) Jurnal CoreIT Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Informatika Universitas Pamulang Journal of Tropical Horticulture Jurnal Nasional Komputasi dan Teknologi Informasi Krea-TIF: Jurnal Teknik Informatika Jurnal Ilmiah Dikdaya Jurnal Keperawatan Komprehensif (Comprehensive Nursing Journal) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) CERIA (Cerdas Energik Responsif Inovatif Adaptif) Atfaluna: Journal of Islamic Early Childhood Education Building of Informatics, Technology and Science Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Medica Hospitalia Educatif: Journal of Education Research Journal of the Indonesian Medical Association : Majalah Kedokteran Indonesia Jurnal Agrium Jurnal Sistem informasi dan informatika (SIMIKA) Jurnal Vokasi Jurnal Tekinkom (Teknik Informasi dan Komputer) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) JUKI : Jurnal Komputer dan Informatika Journal of Education Informatic Technology and Science International Journal of Engineering, Science and Information Technology KLIK: Kajian Ilmiah Informatika dan Komputer Semah : Jurnal Pengelolaan Sumberdaya Peraira J-Intech (Journal of Information and Technology) Seulanga : Jurnal Pendidikan Anak Malcom: Indonesian Journal of Machine Learning and Computer Science The Indonesian Journal of Gastroenterology, Hepatology and Digestive Endoscopy IJCIED Pedagogika: Jurnal Ilmu-Ilmu Kependidikan Jurnal Ilmiah Mahasiswa Agroekoteknologi Innovative: Journal Of Social Science Research Madani: Multidisciplinary Scientific Journal Jurnal Pengabdian Masyarakat Bangsa Educatif: Journal of Education Research At-Tajdid: Journal of Islamic Studies Jurnal Malikussaleh Mengabdi Proceedings Book of International Conference and Exhibition on The Indonesian Medical Education and Research Institute Jurnal Solusi Masyarakat Dikara International Journal of Information System and Innovation Management Science: Indonesian Journal of Science Journal of Business Economics and Management IJAE Eduprof

Yusra, Yusra

Universitas Islam Negeri Sultan Syarif Kasim Riau

Author-ID : 660026

Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering 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 Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 91 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

Klasifikasi Sentimen Masyarakat di Twitter terhadap Kenaikan Harga BBM dengan Metode K-NN Tiara Dwi Arista; Yusra Yusra; Muhammad Fikry; Lola Oktavia
JUKI : Jurnal Komputer dan Informatika Vol. 5 No. 1 (2023): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2023
Publisher : Yayasan Kita Menulis

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

Kenaikan harga Bahan Bakar Minyak (BBM) di Indonesia merupakan isu besar yang menjadi topik utama hingga saat ini. Kenaikan harga BBM di Indonesia telah belangsung sejak awal September 2022. Kebijakan pemerintah menaikkan harga BBM kemudian menimbulkan banyak opini dari kalangan masyarakat. Opini masyarakat terkait kebijakan pemerintah adanya sentimen positif dan negatif yang dapat dilihat melalui media sosial, seperti Twitter. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen masyarakat terhadap kenaikan harga BBM di Twitter. Jumlah data yang digunakan adalah 3000 tweet yang dikumpulkan berdasarkan kata kunci yaitu “Kenaikan BBM” dan “BBM naik”. Menerapkan metode K-Nearest Neighbor (K-NN), Feature Weighting (TF-IDF), dan Feature Selection (Threshold) akan dilakukan implementasi dengan menggunakan tools yaitu Google Collab . Berdasarkan hasil pengujian metode K-NN menggunakan matriks konfusi pada 10 nilai K yang berbeda (3,5,7,9,11,13,15,17,19,21) dengan mekanisme perbandingan yang digunakan 70:30, 80:20, dan 90:10 diperoleh akurasi paling tinggi sebesar 83,3% pada K=13 dan K=15 untuk perbandingan data training dan testing 90:10.

PENGKLASIFIKASIAN SENTIMEN ULASAN APLIKASI WHATSAPP PADA GOOGLE PLAY STORE MENGGUNAKAN SUPPORT VECTOR MACHINE Indah Aida Sapitri; Yusra Yusra; Muhammad Fikry
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 6 No 1 (2023)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v6i1.773

The Google Play Store is a platform commonly used to download applications, one of which is WhatsApp. The Google Play Store also provides a feature so that users can provide reviews in the form of comments containing both positive and negative points of view. The method used in this study is the Support Vector Machine method. The purpose of this study is to apply the SVM method in classifying sentiments and knowing the accuracy test of the method. This study uses 1000 reviews collected from the scrapping process and uses two comparisons, namely 90:10 and 80:20. A comparison of 90:10 produces an accuracy of 82%, while a comparison of 80:20 produces an accuracy of 81%, a comparison of 90:10 produces a precision value of 58%, 35% recall, f1-score 44% for the negative class and a precision value of 85 %, 94% recall, 89% f1-score for the positive class, while the 80:20 ratio produces 62% precision, 34% recall, 44% f1-score for the negative class and 84% precision value, 94% recall, f1- score 89% for the positive class. The best parameter pairs are at C=1.0 and γ = 1.0 with an accuracy of 68% at a ratio of 90:10, while at a comparison of 80:20 the best parameter pairs are at C=0.9 and γ=0.7 with an accuracy of 67%.

Penerapan Metode SVM pada Klasifikasi Sentimen terhadap Anies Baswedan sebagai Bakal Calon Presiden 2024 Ramadanu Putra; Yusra Yusra; Muhammad Fikry
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30355

Twitter is one of the most popular and rapidly growing platforms. Through Twitter, users can write and share various activities and opinions, including opinions about 2024 presidential candidates. Several candidates who are suitable to replace the president of Indonesia in 2024 have become the talk of the news media. Anies Baswedan is one of the presidential candidates who has been proposed by the National Democratic Party (NasDem) on October 3, 2022. The opinions of Twitter users can be seen through tweets about Anies Baswedan as a 2024 presidential candidate. These tweets can be analyzed to obtain information on public sentiment towards Anies Baswedan as a 2024 presidential candidate. Therefore, this study aims to apply the Support Vector Machine method in classifying sentiment towards Anies Baswedan as a 2024 presidential candidate. The dataset amounted to 3400 with positive labels as many as 2130 tweets and negative labels as many as 1270 tweets. Labeling is done manually with crowdsourced labelling techniques, obtained a kappa value of 0.68 which shows the level of agreement is relatively strong. Text preprocessing process is carried out. The dataset is divided into training data and test data with a ratio of 90:10. The SVM model with RBF kernel using C=9 and γ=2 parameter pairs has successfully produced good results in validation and evaluation. The accuracy results obtained were 90.61%, precision of 90.67%, recall of 90.61% and f1-score of 90.61%.

Klasifikasi Sentimen Masyarakat di Twitter Terhadap Ganjar Pranowo dengan Metode Modified K-Nearest Neighbor Yuda Zafitra Fadhlan; Yusra Yusra; Muhammad Fikry
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30686

Dalam menyambut pesta demokrasi tahun 2024 banyak politisi mulai melakukan kampanye di setiap daerah yang menimbulkan banyak sentimen positif dan negatif yang berbeda pada setiap masyarakat Indonesia. Ganjar Pranowo merupakan salah satu politisi yang akan ikut andil sebagai bakal calon presiden 2024 yang membuat warganet di twitter banyak yang memberikan opini terhadapnya. Tujuan penelitian ini adalah untuk mengklasifikasikan sentimen masyarakat di Twitter terhadap Ganjar Pranowo dengan menggunakan 4000 data tweet. Klasifikasi dibedakan menjadi dua kelas yaitu positif dan negatif menggunakan metode Modified K-Nearest Neighbor yang dikombinasi dengan feature weighting, feature selection menggunakan teknik pendekatan supervised learning. Hasil dari penelitian ini setelah melewati tahap dari pengambilan, pelabelan data, preprocessing, feature weighting, feature selection, MK-NN dan evaluasi akurasi mendapatkan nilai akurasi tertinggi di 83,8% dengan perbandingan 90:10 dengan nilai k=3.

Aplikasi Android untuk Alih Aksara Latin ke Arab Melayu dengan Pendekatan Berbasis Aturan Yusra, Yusra; Fikry, Muhammad; Yani, Susmi Syahfrida; Irsyad, Muhammad; Sanjaya, Suwanto
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 6, No 2 (2020): Desember 2020
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Bahasa Indonesia didasarkan dari bahasa Melayu yang dapat dituliskan dengan menggunakan aksara Latin dan aksara Arab Melayu. Saat ini, generasi muda di Riau lebih memahami penggunaan aksara Latin daripada aksara Arab Melayu. Meskipun mereka mendapatkan pelajaran baca tulis Arab Melayu di sekolah, ketidaktahuan dan kurang pahamnya aturan dalam menulis Arab Melayu akan menyebabkan kesalahan penulisan. Untuk mencegah terjadinya kesalahan penulisan, dipergunakan aplikasi transliterasi (alih aksara). Transliterasi melakukan penyalinan dengan penggantian huruf dari abjad yang satu ke abjad yang lain. Aplikasi alih aksara dirancang berdasarkan aturan-aturan yang ada di buku Pedoman Umum Tulisan Arab Melayu, dan dibangun menggunakan bahasa pemrograman Java (Android). Pengujian dilakukan dengan membandingkan keluaran dari aplikasi terhadap hasil alih aksara oleh pakar aksara Arab Melayu. Akurasi dari hasil pengujian sebesar 95,5%. Persentase akurasi menunjukkan bahwa hasil validitasnya pada kriteria Sangat Valid.

Pembangkitan Formulir Web Berdasarkan Metadata SQL dan Spesifikasi W3C Fikry, Muhammad; Yusra, Yusra; Hidayat, Taufik
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 3, No 2 (2017): Desember 2017
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Dalam membangun sistem informasi berbasis web, terdapat di dalamnya sebuah tahapan membangun formulir data isian sebagai representasi basis data didalam sistem informasi. Formulir menjadi jalan utama untuk memasukkan data kedalam basis data melalui sistem informasi. Dalam membangun formulir sistem informasi berbasis web, seorang user interface programmer akan merancang formulir dengan elemen-elemen HTML yang sesuai dengan struktur basis data. Penelitian ini membahas tentang bagaimana membangun aturan-aturan pembangkitan formulir dan mengimplementasikan aturan-aturan tersebut kedalam aplikasi pembangkit formulir. penelitian dilakukan terhadap standar bahasa SQL dan standar penulisan tag HTML, kemudian dilakukan pemetaan elemen SQL menjadi elemen formulir HTML sebagai acuan dalam membangun aturan-aturan membangkitkan formulir. Setelah itu dilakukan analisa terhadap model hubungan data pada RDBMS serta menganalisa dampaknya terhadap formulir. Hasil analisa aturan-aturan pembangkitan formulir akan diimplementasikan kedalam aplikasi pembangkit formulir berbasis web berdasarkan metadata SQL. Berdasarkan hasil pengujian yang dilakukan menggunakan Black Box dan User Acceptance Test, aplikasi pembangkit dapat dibangun dan berjalan dengan baik dalam membangkitkan formulir HTML.Kata kunci - Basis Data, HTML, Pembangkit Formulir Web, SQL, iraise, keluhan, klasifikasi, rapidminer, support vector machine

Klasifikasi Tweet E-Commerce dengan Menggunakan Metode Support Vector Machine Yusra, Yusra; Fikry, Muhammad
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 4, No 2 (2018): Desember 2018
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Aktifitas belanja online telah menjadi kebutuhan masyarakat. Online shop di media sosial merupakan pilihan tempat berbelanja karena pembeli dapat berinteraksi dan berkonsultasi langsung dengan penjual. Tantangan dalam mengumpulkan informasi transaksi e‑commerce di media sosial adalah banyaknya pemilik online shop dan kerahasiaan data. Namun demikian, informasi transaksi e‑commerce di Twitter dapat ditemukan pada tweet yang dapat diakses publik. Tweet biasanya berisikan aktifitas sebelum pembelian, aktifitas pembelian, aktifitas pengiriman oleh penjual, atau aktifitas penerimaan oleh pembeli. Hal ini menjadi indikator adanya transaksi. Tantangan lainnya adalah teks di media sosial menggunakan bahasa alami manusia yang seringkali dituliskan secara tidak terstruktur. Dalam penelitian ini, diklasifikasikan apakah suatu tweet berkaitan dengan transaksi e‑commerce atau tidak. Oleh karena itu, tweet yang telah dikumpulkan dan diberi label perlu dipraproses, meliputi case folding, cleaning, tokenisasi, normalisasi kata, stopword removal dan stemming. Selanjutnya, dilakukan ekstraksi fitur berdasarkan nilai document frequency dan threshold minimum bagi kata untuk dipilih sebagai fitur. Untuk setiap tweet, ditentukan nilai fitur dengan term frequency-inverse document frequency. Setelah dilakukan cross-validation dengan menggunakan kernel RBF, diketahui parameter terbaik adalah pasangan parameter C=0,9 dan γ=0,8 dengan rataan akurasi sebesar 96,1%. Model terbaik merupakan model yang menghasilkan nilai akurasi tertinggi. Akhirnya dilakukan pengujian dengan hasil akurasi sebesar 94%.

Chatbot Deteksi Awal Gangguan Kecemasan Menggunakan Dialogflow Rahmat Rizki Hidayat; Muhammad Fikry; Yusra Yusra
Jurnal Teknologi Terpadu Vol 11, No 2 (2023): JTT (Jurnal Teknologi Terpadu)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32487/jtt.v11i2.1867

Nowadays, anxiety disorders are experienced by many individuals, making a significant impact on one's quality of life. Some people are unaware of the symptoms of anxiety disorders, making anxiety disorders trivial. This situation can cause serious physical and emotional discomfort, in some cases, leading to more severe impacts if not treated appropriately. One of the first steps in overcoming anxiety disorders is early detection. The earlier the disorder is detected, the better the chances of providing effective treatment and reducing its impact. The development of artificial intelligence technology has opened up new opportunities to address this problem. This research proposes an innovation in the form of a chatbot. The purpose of this study is to determine the feasibility and acceptability of a chatbot to identify and provide information related to symptoms of anxiety disorders. The research methodology includes Data Collection, conversation formation, model formation, implementation using Dialogflow, testing and results. The results of UAT testing on respondents consisting of students and psychologists obtained results of 84% and 74%, respectively.

Pemikiran Ibnu Taimiyah Tentang Ekonomi Islam Suzana Ana; Muhammad Aris; Randa Fajar Saputra; Yusra Yusra; Trian Zulhadi
Madani: Jurnal Ilmiah Multidisiplin Vol 1, No 10 (2023): November
Publisher : Penerbit Yayasan Daarul Huda Kruengmane

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10222553

Kehidupan manusia tidak dapat dipisahkan dengan masalah ekonomi yang menyangkut hubungan manusia dengan manusia lainnya, hubungan tersebut harus dilandasi oleh norma-norma agama yang mengatur seluruh aspek kehidupan termasuk yang berkaitan dengan masalah mu'amalah. Dalam konteks upaya mengembangkan sistem ekonomi Islam, kita akan melihat konsep pemikiran yang sangat cemerlang pada zamannya sebagai inspirasi dan tuntunan, yang didasarkan pada pokok pikiran Ibnu Taimiyah yang telah memberikan banyak jawaban bagi Negara dalam masalah mekanisme pasar, harga dan konsep keadilan yang merupakan pos peningkatan kualitas yang mendalam untuk menyadarkan masyarakat akan pentingnya standar moral dan kualitas akhlak sebagai kaidah kemajuan dan dapat merealisasikannya dalam kehidupan finansial. Artikel ini menggunakan metode analisis kualitatif deskriptif dengan jenis penelitian pustaka (Library Research), dimana data dan informasi yang terdapat didalamnya diperoleh dengan melakukan penelusuran literatur dari buku-buku, artikel dan penelitian penelitian terdahulu. Hasil yang diperoleh menunjukkan bahwa terdapat beberapa prinsip ekonomi Islam yang lahir dari pemikiran Ibnu Taimiyah yang harus dipenuhi dalam kegiatan ekonomi Islam. Prinsip-prinsip tersebut antara lain: tauhid, aturan, kebebasan, keadilan, keseimbangan dan tanggung jawab. Tentunya pemikiran Ibnu Taimiyyah ini memiliki makna dan tujuan tersendiri untuk mengembangkan kegiatan ekonomi, khususnya ekonomi Islam.

Perbandingan Pembobotan Kata Menggunakan Naïve Bayes Classifier Terhadap Analisa Sentimen Permendikbud No 30 Tahun 2021 Jeki Dwi Arisandi; Elvia Budianita; Eka Pandu Cynthia; Febi Yanto; Yusra Yusra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 4 (2022): Agustus 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i4.4420

Abstrak - Kekerasan seksual di lingkungan Pendidikan mengalami peningkatan kasus dari tahun ke tahun. Menurut data dari Komnas Perempuan periode 2015-2020 kasus kekerasan seksual di lingkungan Pendidikan menunjukkan bahwa lingkungan Pendidikan sudah tidak menjadi tempat yang aman bagi peserta didik. Berdasarkan data kasus yang diadukan kepada komnas perempuan pada tahun 2015-2020 kasus kekerasan seksual tertinggi terjadi di lingkungan Universitas sebanyak 27%, lalu diikuti oleh Pesantren atau Pendidikan berbasis agama sebanyak 19% dan sisanya terjadi di tingkat SMU/SMK sebanyak 15%, SMP 7%, di tingkat TK,SD,SLB dan Pendidikan berbasis Kristen masing-masing sebanyak 3%. Bentuk kekerasan seksual yang terjadi di lingkungan Pendidikan tersebut berupa pemerkosaan, pencabulan, dan pelecehan seksual serta kekerasan psikis dan diskriminasi dengan mengeluarkan siswa dari sekolah. Berbagai kasus tersebut mendorong pihak Kementrian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia membuat Peraturan Menteri No 30 Tahun 2021 dengan tujuan untuk menangani berbagai kekerasan seksual yang selama ini masih terjadi di lingkungan Pendidikan. Namun setelah diterbitkannya Peraturan Menteri nomor 30 Tahun 2021 tersebut memunculkan beragam sentimen positif dan negatif dari masyarakat baik itu dari organisasi HAM dan organisasi keagamaan. Opini dari masyarakat tersebut dapat dijadikan bahan evaluasi bagi pemerintah untuk menilai kebijakan yang telah dibuat. Dalam penelitian ini membahas mengenai analisa sentimen Permendikbud no 30 tahun 2021 dengan melakukan perbandingan pembobotan kata menggunakan metode Naïve Bayes Classifier. Langkah awal yang penulis lakukan yaitu pengumpulan data dari media sosial Twitter sebanyak 468 data, kemudian memberikan pelabelan kelas data yang terdiri dari positif, negatif, dan netral lalu melakukan proses pembobotan menggunakan TF-IDF dan TF-RF yang bertujuan untuk melihat perbandingan proses pembobotan kedua metode tersebut. Berdasarkan dari proses dan hasil pengujian Confusion Matrix didapatkan akurasi terbaik dengan rasio 70:30 sebesar 73,94% dengan pembobotan TF-IDF.Kata Kunci: PERMENDIKBUD No 30 Tahun 2021, Kekerasan Seksual, Analisa Sentimen, Twitter, Naïve Bayes Classifier.Abstract - Sexual violence in the educational environment has increased in cases from year to year. According to data from Komnas Perempuan for the 2015-2020 period, cases of sexual violence in the educational environment show that the educational environment is no longer a safe place for students. Based on case data that was reported to Komnas Perempuan in 2015-2020 the highest cases of sexual violence occurred in universities as much as 27%, then followed by Islamic boarding schools or religion-based education as much as 19% and the rest occurred at the high school/vocational level as much as 15%, SMP 7 %, at the level of TK, SD, SLB and Christian-based education each as much as 3%. The forms of sexual violence that occur in the educational environment are in the form of rape, sexual abuse, and sexual harassment as well as psychological violence and discrimination by expelling students from school. These various cases prompted the Ministry of Education, culture, research, and Technology of the Republic of Indonesia to make Ministerial Regulation No. 30 of 2021 with the aim of dealing with various sexual violence that is still happening in the education environment. However, after the issuance of Ministerial regulation number 30 of 2021, it gave rise to various positive and negative sentiments from the community, both from human rights organizations and religious organizations. Public opinion can be used as evaluation material for the government to assess the policies that have been made. This study discusses the sentiment analysis of Minister of Education and Culture No. 30 of 2021 by comparing word weights using the Naïve Bayes Classifier method. The first step that the author took was collecting data from Twitter social media as much as 468 data, then labeling the data classes consisting of positive, negative, and neutral then carrying out a weighting process using TF-IDF and TF-RF which aims to compare the two weighting processes the method. Based on the process and results of the Confusion Matrix test, the best accuracy was obtained with a 70:30 ratio of 73.94% with TF-IDF weighting.Keywords: PERMENDIKBUD No 30 of 2021, Sexual Violence, Sentiment Analysis, Twitter, Naïve Bayes Classifier.

Co-Authors - Fakhrurrazi .Safrizal, Safrizal A.G, Rosnina Achmad Fauzi Aftari, Dhea Putri Ainul Mardiah Aisyah Aisyah Akhyar, Amany Allevia Yumnanisha, Defin Alpizar Alpizar Alwis Nazir Alwis Nazir Amany Akhyar Amelia, Felina Ananda, Nuari Anang Endaryanto Anugrah, Wendy Aufa, Nurul Aulia Martha, Riejma Ayu Khairunnisa Badhawi, Badhawi Badriul Hegar Baidhawi Baidhawi Br Ginting, Risva Novriani Brillyandra, Fradini Caska - Christianta, David Dermawan, Jozu Desfitri, Erda Rahmilaila Dessi Mufti, Dessi Dewanto, Naomi Esthernita Fauzia Deya Inge Kanaya, Mahesa Dina Septiawati Dwitama, Raja Zaidaan Putera Efendi, Yempita Eka Pandu Cynthia Eka Pandu Cynthia, Eka Pandu El Saputra, Yoga Elin Haerani Elvia Budianita Emir Ramon Erlidawati Erlidawati Ethika, Ethika Fadhil, Muflihul Fadhilah Syafria Faruqi, Muhammad Fatima Safira Alatas, Fatima Safira Febi Yanto Fitri Insani Futhira, Nadia Giantini, Astuti Gusti, Siska Kurnia Hafifah, Hafifah Halim Akbar, Halim Hamzah, Zulfadli Hasanah, Rakiyatul Hastriana, Kiki Hayati Hendrival Hendrival Herlinda Herlinda, Herlinda Heru Aulia Azman Hidayat, Rizki Iis Afrianty Indah Aida Sapitri Indrasari, Nuri Dyah Irianti Handayani, Supri Irmayunita, Irmayunita Ismadi Ismadi Jasril Jasril Jeki Dwi Arisandi Jufri Jufri Junianti, Fitri Kamaruddin Kamaruddin Khusrizal Khusrizal Kumalawati, July Laila Nazirah Lestari Handayani Lola Oktavia Lola Oktavia Luh Kesuma Wardhani M. Nazaruddin, M. Maqbul, Maqbul Maria Ulfah Marindra, Zulfah Amaliya Marjuah, Hilmiyah Maulana, Muhammad Rizky Mawardati Mawardati Maya Safitri Mohd Andalas Muh. Darwis Muhammad Aris Muhammad Chairuddin, Muhammad Muhammad Fikry Muhammad Fikry Muhammad Irsyad Muhammad Muaz Munauwar MUHAMMAD YUSUF Muliana, Muliana Munawar Munawar N, Mutiara Nafisah Nafisah Nalatirrizqa, Nalatirrizqa Nani Cahyani Sudarsono Nani Cahyani Sudarsono Nasruddin Nasruddin Nasrullah, Muh. Nazir, Alwis Nazruddin Safaat Nazruddin Safaat H Nilahayati Novi Yanti Novrianto Novrianto Novriyanto Novriyanto Nuraina, Nuraina Nurhardini, Tammy Nurhayati Nurhayati Nurmansyach, Febianto Nurul Jannah Okfalisa Okfalisa Oktavia, Lola Pambudi, Wiyarni Pangestu, Natasha Pattiasina, Firensca Permana, Febrian Pizaini Pizaini Priyanto Priyanto Putri, Raysa Jayu Putri, Sindy Gemaeka Rachma Perdani, Wahyu Rahmat Rizki Hidayat Ramadanu Putra Ramadhani, Siti Randa Fajar Saputra Ranggayoni, Russy Reski Mai Candra Retno Asti Werdhani Rinaldi Syarfianto Riska Eka Putri, Riska Eka Sabar, Muhammad Saputra, Elvino Dwi Saputra, Randa Fajar Sari, Anggi Novita Sari, Dwhy Dinda sari, Mutia Saude Saude Shelviana, Zeni Fransisca Sidik Sidik Siska Kurnia Gusti Siti Nurbaya Sri Suryo Adiyanti, Sri Suryo Sukawati, Farha Sulistia Ningsih, Sulistia Surya Agustian Suryadi Suryadi Suryadi, Nanda Sutarno, Maryati Suwanto Sanjaya Suzana Ana Suzanna Immanuel Syahpawi Syahpawi Syahrial, Murah Syaifuddin Syaifuddin syavitri, suci Taufik Hidayat Tiara Dwi Arista Tjahjadi, Ricky Trian Zulhadi Ubadah Ubadah, Ubadah Umi Fahmida Uswatun Hasanah Wini, Lusia Oktri Wirdiani, Putri Syakira Yani, Susmi Syahfrida Yasmin, Aina Yelvi Fitriani Yelvi Fitriani Yolanda, Khovifah Yuda Zafitra Fadhlan Yudhistira Yudhistira Zikri, Muhammad Afzalul Zulfani Sesmiarni Zurrahmi Wirda

Title

Found 91 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 91 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 91 Documents
Search