Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

6.463

P-Index

This Author published in this journals

All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Paradigma JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Ilmiah Media Sisfo The IJICS (International Journal of Informatics and Computer Science) JURIKOM (Jurnal Riset Komputer) Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) TIN: TERAPAN INFORMATIKA NUSANTARA Bulletin of Computer Science Research Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Informatika dan Rekayasa Komputer PROCEEDING OF INTERNATIONAL CONFERENCE ON BUSINESS MANAGEMENT AND ACCOUNTING Bulletin of Informatics and Data Science Jurnal Informatika: Jurnal Pengembangan IT The Indonesian Journal of Computer Science Scientific Journal of Informatics Jurnal Pengabdian Masyarakat Unama Jurnal Lentera Ilmiah Pengabdian Masyarakat

Yovi Pratama

Universitas Dinamika Bangsa

Author-ID : 700191

Aerospace Engineering Arts Humanities 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 Immunology & microbiology Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 59 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

Penilaian Tingkat Pengetahuan Siswa Dalam Sistem e-Learning Menggunakan Machine Learning Yovi Pratama; Yuga Pramudya; Evan Albert; Mumtaz Ilham Syafatullah; Rio Ferdinand; Verwin Juniansyah; Errissya Rasywir
Bulletin of Computer Science Research Vol. 3 No. 1 (2022): Desember 2022
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v3i1.202

Data clustering provides an overview of the grouping of data through classification so that the groups have levels that have the same category. Cluster classification is carried out on agricultural data in Jambi Province with agricultural production groups including rice, rubber, palm oil, and coffee in the period 2021 for 11 (eleven) cities/districts including Jambi City, East Tanjung Jabung Regency, Sungai Full City, Kerinci Regency, Muaro Jambi Regency, West Tanjung Jabung Regency, Merangin Regency, Sarolangun Regency, Batanghari Regency, Tebo Regency, and Bungo Regency. The purpose of the cluster is used for allocations related to the budget, land, and support that can be used both to increase the amount of production and evaluation related to agriculture, especially at the Jambi Province level. So that the clustering carried out using the Weka application is 4 clusters, the result is that the cluster process stops at the 2nd iteration, the output information that occupies cluster 0 is 3 cities/districts, cluster 1 has 1 city/regency, cluster 2 has 2 cities/districts, and cluster 3 there are 5 cities/districts, with a total attribute of 11 (eleven) city/district data. Based on experiments on manual clustering, it can be concluded that the equations that can be seen from the output results using Weka and manual calculations are the same as doing two data iterations and with the same data group results.

Klasifikasi Penyakit Gagal Jantung Menggunakan Algoritma K-Nearest Neighbor Yovi Pratama; Anton Prayitno; Defrin Azrian; Nur Aini; Yoga Rizki; Errissya Rasywir
Bulletin of Computer Science Research Vol. 3 No. 1 (2022): Desember 2022
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v3i1.203

Cardiovascular diseases (CVDs) are the number 1 cause of death globally, taking an estimated 17.9 million lives each year, which accounts for 31% of all deaths worldwide. Four out of 5CVD deaths are due to heart attacks and strokes, and one-third of these deaths occur prematurely in people under 70 years of age. Heart failure is a common event caused by CVDs and this dataset contains 11 features that can be used to predict a possible heart disease. People with cardiovascular disease or who are at high cardiovascular risk (due to the presence of one or more risk factors such as hypertension, diabetes, hyperlipidaemia or already established disease) need early detection and management wherein a machine learning model can be of great help.

Klasterisasi Data Pertanian di Tingkat Provinsi Jambi Tahun 2021 Menggunakan Algoritma K-Means Yovi Pratama; Yuga Pramudya; Evan Albert; Mumtaz Ilham S; Rio Ferdinand; Verwin Juniansyah; Errissya Rasywir
Bulletin of Computer Science Research Vol. 3 No. 1 (2022): Desember 2022
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v3i1.205

Data clustering provides an overview of the grouping of data through classification so that the groups have levels that have the same category. Cluster classification is carried out on agricultural data in Jambi Province with agricultural production groups including rice, rubber, palm oil, and coffee in the period 2021 for 11 (eleven) cities/districts including Jambi City, East Tanjung Jabung Regency, Sungai Full City, Kerinci Regency , Muaro Jambi Regency, West Tanjung Jabung Regency, Merangin Regency, Sarolangun Regency, Batanghari Regency, Tebo Regency, and Bungo Regency. The purpose of the cluster is used for allocations related to the budget, land, and support that can be used both to increase the amount of production and evaluation related to agriculture, especially at the Jambi Province level. So that the clustering carried out using the Weka application is 4 clusters, the result is that the cluster process stops at the 2nd iteration, the output information that occupies cluster 0 is 3 cities/districts, cluster 1 has 1 city/regency, cluster 2 has 2 cities/districts, and cluster 3 there are 5 cities/districts, with a total attribute of 11 (eleven) city/district data. Based on experiments on manual clustering, it can be concluded that the equations that can be seen from the output results using Weka and manual calculations are the same as doing two data iterations and with the same data group results.

Implementasi Data Mining Untuk Penjualan Mobil Menggunakan Metode Naive Bayes Luthfi Rifky; Zahlan Nugraha; Bayu saputra; Dimas Pratama; Errissya Raswir; yovi pratama
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Abstrak- Mobil adalah salah satu kendaraan yang paling sering dijumpai dengan berbagai type dan merek. Mobil memiliki spesifikasi yang beraneka ragam. Metode Naive Bayes adalah salah satu metode klasifikasi dan percabangan dari artificial intellegence. Bermacam merek tersebut akan dibentuk suatu Classify yaitu Laris dan Tidak Laris, sehingga para konsumen, produsen, dan peneliti dapat mengetahui merek mobil manakah yang paling laris berdasarkan kategori maupun output-nya. Naive bayes merupakan metode klasifikasi yang banyak digunakan karena sederhana dan akurasi yang tinggi dalam mengklasifikasi data. Penelitian ini menganalisis data sebanyak 639 data menjadi 511 data training dan 128 data testing, data ini didapatkan dari situs “Gabungan Industri Kendaraan Bermotor Indonesia”(GAIKINDO). Dengan atribut 19, untuk memudahkan penulis dalam penelitian, maka atribut yang digunakan adalah 8 (termasuk 1 atribut Classify yang ditambahkan penulis untuk memudahkan dalam pencarian mobil terlaris). Hasil penelitian yang dilakukan memberikan klasifikasi pembeda merek mobil yang paling banyak diminati para konsumen dan Kategori yang paling laris. Tingkat akurasi klasifikasi dengan Metode Naive Bayes menghasilkan nilai accuracy sebesar 92,19%, nilai Precision: 98,39% dan nilai Recall: 87,14% sehingga Metode Naive Bayes merupakan metode yang cukup baik dalam penelitian ini. Kata kunci: Brand Mobil, Klasifikasi, Naive Bayes, Accuracy Abstract- Cars are one of the vehicles most often found in various types and brands. Carshave various specifications. The Naive Bayes method is one of the classification and branching methods of artificial intelligence. The various brands will be in theform of a Class that are Selling and Not Selling, so that consumers, producers, and researchers can find out which car brands are best selling based on their category and output. Naive bayes is a widely used classification method because of its simple and high accuracy in classifying data. This study analyzed data as many as 639 data into 511 training data and 128 testing data, data was obtained from “the Indonesian Automotive Industries Association” (IAIS) site. With attribute 19, tofacilitate the writer in the study the attributes used were 8 (including 1 Class attribute that author added to facilitate the search for the best-selling car). Theresults of the conducted research gave the classification of car brand different that were most in demand by consumers and the best-selling categories. The level of classification accuracy with the Naive Bayes Method produces accuracy valuesof 92, 19%, Precision values: 98, 39% and Recall values: 87, 14% so that the Naive Bayes Method is a pretty good method in this research. Keywords: Car Brand, Classification, Naive bayes, Accuracy

Implementasi Algoritma K-Nearst Neighbor Untuk Memprediksi Penyakit Diabetes asih asmarani; ilham permana; Annisa putri; M.Rizky Wijaya; Errissya Rasywir; Despita Meisak; Yovi Pratama
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Abstrak- Diabetes melitus tipe 2 sering juga disebut diabetes life style karena penyebabnya selain faktor keturunan, faktor lingkungan meliputi usia, obesitas, resistensi insulin, makanan, aktifitas fisik, dan gaya hidup juga menjadi penyebab diabetes melitus. Maka dari itu untuk dapat menghimbau dan mengurangi jumlah diabetes di Indonesia, penulis ingin mengimplementasikan algoritma untuk memprediksi penyakit diabetes agar dapat memantau, memberi tau, dan menghimbau masyarakat untuk menjaga polah hidup sehat. Untuk memecahkan suatu permasalahan tersebut, diterapkan suatu metode dengan cara mengimplementasi data diabetes agar dapat menghasilkan suatu informasi yang dapat dijadikan untuk memprediksi penyakit diabetes yaitu dengan menggunakan metode K-Nearest Neighbor. Data yang penulis gunakan berjumlah 100 data dan terdiri dari 9 atribut yaitu pregnan, plasma-glucose, diastolic blood-pressure, tricepts skin fold thicknesthickness, insulin, body mass index, diabetes pedigree function, age, dan class variable. Hasil dari penelitian ini berupa data dengan test option percentage split 70% atau 70 data digunakan sebagai data training sebagai pembentuk model, dan 30% dari dataset atau sebanyak 30 data sebagai data testing yang akan diujikan terhadap model yang dibentuk, dengan k = 5 pada data diabetes untuk mendeteksi penyakit diabetes dan memperoleh hasil prediksi benar sebanyak 20 dan salah 10 dengan tingkat akurasi sebesar 66,6667 % dengan jarak k = 5. Kata Kunci : Algoritma, Implementasi, K-Nearest Neighbor, Diabetes Abstract- The type 2 diabetes mellitus is often also called diabetes lifestyle because the causes other than heredity, environmental factors including age, obesity, insulin resistance, food, physical activity, and lifestyle are also causes of diabetes mellitus. Therefore, to be able to encourage and reduce the number of diabetes in Indonesia, the author wants to implement an algorithm to predict diabetes in order to monitor, inform, and encourage the public to maintain a healthy lifestyle. To solve this problem, a method is applied by implementing diabetes data so that it can produce information that can be used to predict diabetes by using the K-Nearest Neighbor method. The data that the author uses is 100 data and consists of 9 attributes, namely pregnan, plasma-glucose, diastolic blood-pressure, tricepts skin fold thickness, insulin, body mass index, diabetes pedigree function, age, and class variables. The results of this study are in the form of data with a test option percentage split of 70% or 70 data is used as training data as a model constructor, and 30% of the dataset or as many as 30 data as testing data to be tested against the formed model, with k = 5 on the data diabetes to detect diabetes and get 20 correct predictions and 10 wrong predictions with an accuracy rate of 66.6667% with a distance of k = 5. Keywords: Algoritma, Implementasi, K-Nearest Neighbor, Diabetes

Implementasi Algoritma Naive Bayes Untuk Memprediksi zona dan Tingkat Penyebaran Covid-19 Di Provinsi Jambi Jopi Mariyanto; Sandi Pramadi; Kholil Ikhsan; Imelda Yose; Errissya Rasywir; Marrylinteri Istoningtyas; Yovi Pratama
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Abstrak - Pada masa pandemi Virus Corona (Covid-19), Informasi merupakan hal yang sangat penting bagi masyakarat. Salah satu sumber informasi yang digunakan melalui internet yaitu website berita seperti kompas.com, detik.com, tribunnews.com. Namun, artikel berita terkait topik pembahasan kematian pasien, pasien yang sembuh dari Virus Corona dan zona pada suatu tempat belum dapat dikelompokan. Hal ini dikarenakan angka pasien yang meninggal dan angka pasien yang sembuh akibat virus corona terus bertambah. Oleh karena itu, dibutuhkannya sistem yang dapat mengelompokan berita berdasarkan data yang telah ada sebelumnya. Hal ini dapat diatasi menggunakan text mining, salah satunya metode klasifikasi pada text mining dapat mengelompokan data pada suatu objek yang belum diketahui sebelumnya. Kata Kunci : covid-19, klasifikasi, algoritma naïve bayes Abstract - During the Corona Virus (Covid-19) pandemic, information is very important for the community. One source of information used through the internet is news websites such as kompas.com, detik.com, tribunnews.com. However, news articles related to the topic of discussing patient deaths, patients recovering from the Corona Virus and zones in one place cannot be grouped. This is because the number of patients who died and the number of patients who recovered from the corona virus continued to increase. Therefore, we need a system that can classify news based on pre-existing data. This can be overcome using text mining, one of which classification methods in text mining can group data on an object that has not been previously known. Keywords : covid-19, classification, nave bayes algorithm

Implementasi Algoritma K-Means Clustering Untuk Mengetahui Minat Pembeli di Agen Buah Melon Yudi Nanda Ghina; Najmul Laila; Marrylinteri Istoningtyas; Mayang Ruza; Errissya Rasywir; Maria Rosario Borroek; Yovi Pratama
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Abstrak - Penelitian ini dilakukan untuk mempelajari K-Means Clustering dalam pencarian knowledge (pengetahuan). Tujuan dari penelitian ini kemungkinan dapat membantu pihak Agen Buah Yudi untuk menentukan cluster minat pembeli banyak, sedang, dan sedikit diletakkan sesuai urutan minat pembeli buah yang bayak, sedang, dan sedikit di Agen Buah Yudi. Untuk itu dalam metode K-Means Clustering dimungkinkan adanya solusi dan analisa terhadap pengolahan data dan parameter-parameter yang menjadi acuan untuk mengambil keputusan. Di dalam metode ini terdapat langkah-langkah penyelesaian masalah. Adapun tools bantu untuk mengimplementasikan metode tersebut adalah Weka akan mengolah data secara tersusun atas operator-operator yang langsung didapatkan hasil secara akurat selanjutnya pada tahapan terakhir akan didapatkan knowledge baru. Kata kunci : Buah Melon, klasifikasi, Algoritma, K-means Clustering, Weka Abstract - This research was conducted to study K-Means Clustering in the search for knowledge (knowledge). The purpose of this research may be to help the Yudi Fruit Agent to determine the interest of many, medium, and few buyers according to the order of high, medium, and little interest of the Yudi Fruits Agent. For this reason, in the K-Means Clustering method, it is possible to provide solutions and analyzes for data processing and the parameters that become the reference for making decisions. In this method there are steps to solve the problem. As for the tools to implement this method, Weka will process data in an organized manner consisting of operators which immediately get accurate results, then in the last stage new knowledge will be obtained. Keywords : Buah Melon, klasifikasi, Algoritma, K-means Clustering, Weka

Penerapan Algoritma Naïve Bayes Untuk Mengetahui Pasien Penyakit Gagal Jantung farchan akbar; fiqri ansyah; virginia casanova andiko andiko; khalil gibran ahmad; Errissya Rasywir; Despita Meisak; Yovi Pratama; Ayu Feranika
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Abstrak – Setiap tahunnya lebih dari 36 juta orang meninggal karena Penyakit Tidak Menular (PTM) (63% dari seluruh kematian). Lebih dari 9 juta kematian yang disebabkan oleh penyakit tidak menular terjadi sebelum usia 60 tahun, dan 90% dari kematian “dini” tersebut terjadi di negara berpenghasilan rendah dan menengah. Secara Global PTM penyebab kematian nomor satu setiap tahunnya adalah penyakit kardiovaskuler. Penyakit Kardiovaskuler adalah penyakit yang disebabkan gangguan fungsi jantung dan pembuluh darah, seperti : penyakit coroner, penyakit gagal jantung atau payuh jantung, hipertensi dan stroke. Diperkirakan sebanyak 17,3 juta kematian disebabkan oleh penyakit kardiovaskuler. Kata Kunci : data Pasien; algoritma naïve bayes; WEKA; klasifikasi; akurasi Abstract - Every year more than 36 million people die from non-communicable diseases (NCD) (63% of all deaths). More than 9 million deaths are caused by non-communicable diseases before the age of 60, and 90% of these “early” deaths occur in low- and middle-income countries. Globally, PTM is the number one cause of death every year is cardiovascular disease. Cardiovascular disease is a disease caused by impaired function of the heart and blood vessels, such as coronary disease, heart failure or heart failure, hypertension and stroke. It is estimated that 17.3 million deaths are caused by cardiovascular disease. Keywords: patient data; naïve Bayes algorithm; WEKA; classification; accuracy

Komparasi Dalam Prediksi Gagal Jantung Dengan Menggunakan Metode C4.5 dan Naïve Bayes Julia Triani; Yovi Pratama; elvi yanti
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 3 No 1 (2023): JAKAKOM Vol 3 No 1 APRIL 2023
Publisher : LPPM Universitas Dinamika Bangsa

Industri kesehatan memiliki data kesehatan yang cukup besar, seperti dataset penyakit gagal jantung. Pada penelitian ini penulis memutuskan untuk memprediksi penyakit gagal jantung menggunakan metode C4.5 dan Naïve Bayes. Data yang dipakai diambil dari website kaggle.com yang berjumlah 918 data dengan 12 atribut. Adapun tujuan dari penelitian ini adalah untuk mengetahui perbandingan antara metode C4.5 dan Naïve Bayes dalam mengukur tingkat akurasi. Manfaat dari penelitian ini adalah dapat membantu pihak tenaga kesehatan dalam memprediksi pasien yang berkemungkinan terkena penyakit gagal jantung sehingga dapat menjadi informasi bagi pembaca untuk mengetahui resiko pasien terkena penyakit gagal jantung dengan tingkat akurasi yang tinggi. Proses implementasi metode C4.5 dan yang digunakan meraih tingkat akurasi sebesar 83.67%, presisi sebesar 85.01%, recall sebesar 86.04% dan f1-score sebesar 85.02%. untuk metode C4.5 dengan outlier. Kemudian metode C4.5 tanpa outlier meraih tingkat akurasi sebesar 85.02%, presisi sebesar 86.02%, recall sebesar 87.02% dan f1-score sebesar 86.52%. Dan metode Naïve Bayes yang digunakan meraih tingkat akurasi sebesar 85.30%, presisi sebesar 86.31%, recall sebesar 87.40% dan f1-score sebesar 86.85% untuk metode Naïve Bayes dengan outlier. Kemudian metode Naïve Bayes tanpa outlier meraih tingkat akurasi tertinggi yaitu sebesar 85.57%, presisi sebesar 86.54%, recall sebesar 87.57% dan f1-score sebesar 87.05%. Sehingga dapat disimpulkan bahwa nilai perhitungan akurasi, presisi, recall dan f1-score tertinggi yaitu metode Naïve Bayes tanpa outlier.

Perancangan Sistem Informasi Penjualan Pada Asia Jaya Steven Ie; Yovi Pratama; masgo; Santoso
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 3 No 1 (2023): JAKAKOM Vol 3 No 1 APRIL 2023
Publisher : LPPM Universitas Dinamika Bangsa

Asia Jaya merupakan suatu usaha yang menyediakan berbentuk grosir jajanan, yang menjual berbagai snack, minuman, maupun roti. Asia Jaya berlokasi di Jl. Mendalo Darat RT 02. Kec. Jambi Luar Kota, Muaro Jambi. Proses pembelian dan penjualan barang yang di mana masih bersifat manual, penyimpanan nota dikumpulkan dan diarsipkan di satu tempat, dan stok barang dicatat secara satu per satu. Untuk itu diperlukan pengolahan data yang bersifat komputerisasi supaya mendapat informasi yang dibutuhkan secara tepat, akurat dan cepat. penelitian ini dapat memberikan penyelesaiaan untuk masalah-masalah yang ada dengan merancang program penjualan dengan memakai bahasa PHP dan MySQL. Penelitian ini memakai metode waterfall (air terjun) dan model sistem seperti usecase diagram, Entity Relationship diagram, activity diagram, dan class diagram. Hasil dari penelitian ini adalah membuat sistem yang baik untuk pemilik dalam mengolah data penjualan, dan persediaan produk. Kata Kunci: Sistem; Informasi; Penjualan; Persediaan; Pembelian

Co-Authors Abdul Haris Abdul Harris Achpal Haddid Adelia Putri, Ananda Afrizal Nehemia Toscany Agus Siswanto Akbar Ramadhan Akwan Sunoto Alvito Widianto Amroni, Amroni Angelica, Felicia Anggraini, Dila Riski Anggy Utama Putri Annisa putri Anton Prayitno Arahmad Taupiq asih asmarani Bayu saputra Beni Irawan Borroek, Maria Rosario Bustami, M Irwan Cahyana Putra Pratama Candra Adi Rahmat Carenina, Babel Tio Chindra Saputra Defrin Azrian Desi Kisbianty, Desi Despita Meisak Dimas Pratama Dimas Yudha Prawira Dinata, Despan elvi yanti Emelia, Shinta Enjelina, Mia Errissya Rasywir Evan Albert Fachruddin Fachruddin Fachruddin Fachruddin Fachruddin Fachruddin Fachruddin Fachruddin, Fachruddin farchan akbar Feranika, Ayu Fingki Lamhot Pasaribu fiqri ansyah Hartiwi, Yessi Hendrawan Hendrawan Hendrawan Hendrawan Hendrawan Hendrawan Hilda Permatasari Hussaein, Ahmad Ilham Adriansyah ilham permana Imelda Yose Indana Arum , Refi Irawan Irawan Irawan Irawan Irawan, Beni Istoningtyas, Marrylinteri Janu Hadi Susilo Jopi Mariyanto Julia Triani khalil gibran ahmad Kholil Ikhsan Luthfi Rifky M Fikrul Hakimi M Reihan Al Fajri M.Rizky Wijaya Manyu, Dimas Abi Maria Rosario Borroek Marrylinteri Istoningtyas Marrylinteri Istoningtyas Marrylinteri Istoningtyas Marshal` Koko Anand masgo Maulana Qaedi Aufar Mayang Ruza Muhammad Afif Dzaky Khairullah Muhammad Diemas Mahendra Muhammad Irwan Bustami Muhammad Ismail Muhammad Riza Pahlevi MUHAMMAD SURYA Muhammad Wahyu Prayogi Muhammad Zulfi Tisna Tama Mumtaz Ilham S Mumtaz Ilham Syafatullah NAIBAHO, RONALD Najmul Laila Naldi Irfan Nanda Ghina Nia Azzahra Nur Aini Nurhadi Nurhadi Pahlevi, M. Riza Pahlevi, M.Riza Pareza Alam Jusia Pareza Alam Jusia, Pareza Alam Ramadhan Saputra, Tri Ramadhani, Utari Reza Pahlevi Rezky Pramudia, Muhammad Riki Bayu Andhika Rio Ferdinand ROBY SETIAWAN Rohaini, Eni Rosario B, Maria Rosario, Maria Rudolf Sinaga Sandi Pramadi Santoso Saparudin, Saparudin Sariyani SIKA, XAVERIUS Steven Ie Sudewo, Raden Tio Putra Sutoyo, Mochammad Arief Hermawan Suyanti taupiq, Arahmad Toscany, Afrizal Verna Anatasya, Rara Verwin Juniansyah virginia casanova andiko andiko Warcita Warcita WILLY RIYADI Xaverius Sika Yaasin, Muhammad Yanti, Elvi Yessi Hartiwi Yessi Hartiwi Yoga Rizki Yuga Pramudya Zahlan Nugraha Zulia, Restutik

Title

Found 59 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 59 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 59 Documents
Search