Article Per Year (5 Year)
p-Index From 2020 - 2025
8.952
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmu dan Teknologi Kelautan Tropis IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Informatika Jurnal Simetris Elkom: Jurnal Elektronika dan Komputer Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JTSL (Jurnal Tanah dan Sumberdaya Lahan) Jurnal Transformatika Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Sinkron : Jurnal dan Penelitian Teknik Informatika INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi JURNAL MEDIA INFORMATIKA BUDIDARMA Faktor Exacta Jurnal Ilmiah Matrik JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Indonesian Journal of Computing and Modeling J-SAKTI (Jurnal Sains Komputer dan Informatika) JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Journal Sensi: Strategic of Education in Information System JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) TIN: TERAPAN INFORMATIKA NUSANTARA Aiti: Jurnal Teknologi Informasi Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Journal of Information Technology (JIfoTech) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Info Sains : Informatika dan Sains Jurnal Nasional Teknik Elektro dan Teknologi Informasi IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Jurnal Informatika: Jurnal Pengembangan IT Jurnal Indonesia : Manajemen Informatika dan Komunikasi Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Sri Yulianto Joko Prasetyo
Universitas Kristen Satya Wacana
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts 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 Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology 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 Social Sciences Veterinary Other

Published : 86 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search
Journal : Indonesian Journal of Computing and Modeling

 1   2   3 
Evaluasi Area Terdampak Gempa di Kota Palu Menggunakan Metode OBIA pada Citra Landsat 8 Wasis Pancoro; Willson Mangoki; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 2 No 1 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (312.368 KB)

Abstract

Pasca gempa, wilayah kota palu mengalami perubahan struktur lahan dan tanah yang cukup parah akibat dampak dari likuifaksi. Dampak yang di timbulkan oleh gempa dapat memicu tsunami. Untuk mengetahui dan identifikasi perubahan struktur tanah yang mengakibatkan kerusakan wilayah maka diperlukan informasi secara visual. berbagai macam citra satelit beresolusi tinggi yang dapat menghasilkan informasi secara visual mengenai daerah pasca gempa yang diinginkan. Namun, diperlukan sebuah interpretasi untuk menampilkan hasil visual dari citra tersebut sehingga diperoleh informasi mengenai daerah bahaya dan kerusakan akibat bencana. Metode yang digunakan adalah Object Based Image Analysis (OBIA) dan pendekatan menggunakan NDVI (Normalized Difference Vegetation Index) dan NDBI (Normalized Difference Build-up Index). Hasil yang didapat dari penelitian ini adalah klasifikasi lahan terbangun yang dapat diidentifikasi dengan baik dari citra Landsat-8 berdasarkan metode yang digunakan. Rata-rata nilai NDBI lahan terbabungun relatif lebih tinggi dibandingkan obyek tutupan lahan lainnya. Hasil pengamatan dengan teknik overlay menunjukkan citra hasil pengolaan teknik OBIA mampu dengan baik menunjukkan kondisi lapangan yang sebenarnya
Identifikasi Sebaran Tanaman Pangan Kabupaten Kupang Menggunakan Citra Satelit Landsat 8 Raymond Elias Mauboy; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 2 No 1 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (504.802 KB)

Abstract

Hunger is a big problem for the community due to lack of food in a region, this problem often occurs in areas that have a low level of agricultural land management, areas in East Nusa Tenggara often experience famine almost every year, agricultural areas The government should be able to explain it well so that it can find out which areas are agricultural areas, settlements and forest areas so that the process of managing agricultural land has been known by the government and the community, this is a problem that often occurs in the East Nusa Tenggara region , the lack of agricultural distribution areas in the East Nusa Tenggar area, especially the Kupang Regency area, led researchers to conduct research on the Identification of Kupang Regency Food Crop Distribution Using Landsat 8 Satellite Imagery aimed at more agricultural distribution areas. this is known to the government and the community so that it can reduce the rate of hunger in Kupang district
Perancangan Sistem Informasi Geografis untuk Rekomendasi Model Kawasan Konservasi dengan Menerapkan Metode Simple Additive Weighting (SAW) di Kabupaten Boyolali Yesi Arumsari; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 2 No 2 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (414.038 KB)

Abstract

Penelitian ini bertujuan untuk membuat sistem informasi geografis rekomendasi model kawasan konservasi di Kabupaten Boyolali. Sistem ini menggunakan metode simple additive weighting (SAW) untuk memberikan rekomendasi wilayah yang memiliki potensi paling tinggi untuk menjadi model kawasan konservasi, dimana satu wilayah dijadikan contoh atau model bagi wilayah lain dalam upaya memberdayakan masyarakat didalam dan sekitar kawasan konservasi. Penentuan wilayah model kawasan konservsi dengan proses pembobotan menggunakan bilangan fuzzy dan kemudian dihitung menggunakan metode SAW dengan memperhatikan beberapa kriteria seperti, dilihat dari wilayah dimana daerahnya berbatasan langsung dengan gunung Merbabu atau Merapi atau tidak, berapa banyak kawasan ekologis, berapa banyak masyarakat miskin, berapa banyak kawasan perlindungan, berapa banyak kawasan wisata dan berapa banyak jenis sumber daya alam yang di miliki.Hasil Penelitian menunjukan rekomendasi dengan nilai tertinggi pada wilayah Kecamatan Cepogo masuk pada daerah prioritas pertama dengan perolehan nilai 0.862. Sistem ini dibuat dalam bentuk website yang berjalan diatas MapServer yang dapat memberikan sajian informasi dalam bentuk peta digital.
Penentuan Wilayah Resiko Bencana Kekeringan di Jawa Tengah Menggunakan Machine Learning dan Indeks Vegetasi pada Citra Landsat 8 OLI Septian Silvianugroho; Sri Yulianto Joko Prasetyo; Kristoko Dwi Hartomo
Indonesian Journal of Computing and Modeling Vol 2 No 2 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (583.912 KB)

Abstract

Bencana kekeringan di Indonesia terjadi hampir setiap tahun, khususnya untuk provinsi Jawa Tengah yang mana tercatat dalam sejarah dari tahun 1815 sampai tahun 2015 telah terjadi 382 kejadian. Untuk itu diperlukan adanya prediksi penentuan wilayah kekeringan di seluruh kecamatan di Jawa Tengah. Pada penelitian ini prediksi kekeringan menggunakan Machine Learning untuk menganalisa hasil ekstraksi dari citra Landsat-8 OLI yang berupa indeks vegetasi yaitu NDVI, SAVI, VCI, VHI dan TCI dengan menggunakan beberapa algoritma, diantaranya adalah Decision Tree, Principal Component Analisys(PCA) dan Random Forest. Hasil yang diperoleh ada total 17 kecamatan yang diprediksi terkena bencana kekeringan yang sangat parah, dengan nilai accuracy 0,7507463, logloss 0,6232992 dan Mean Sequare Error (MSE) sebesar 0,1795135.
Analisis Data Citra Landsat 8 OLI Sebagai Indeks Prediksi Kekeringan Menggunakan Machine Learning di Wilayah Kabupaten Boyolali dan Purworejo Yansen Bagas Christianto; Sri Yulianto Joko Prasetyo; Kristoko Dwi Hartomo
Indonesian Journal of Computing and Modeling Vol 2 No 2 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (419.504 KB)

Abstract

Abstrak Bencana kekeringan merupakan salah satu bencana yang tidak dapat di hindari lagi keberadaannya. Berdasarkan data dari tahun 1815 sampai tahun 2015 telah terjadi 382 kejadian. Berdasarkan kajian BNPB Kabupaten Boyolali dan Kabupaten Purworejo memiliki resiko tinggi terpapar bencana kekeringan. Untuk itu perlu adanya informasi wilayah resiko bencana kekeringan. Penggunaan data citra satelit Landsat 8 OLI sebagai media informasi vegetasi dan pendekatan Machine Learning untuk menganalisa data ekstraksi pada citra satelit berupa indeks vegetasi. Indeks vegetasi yang di gunakan yaitu NDVI, VCI, VHI, dan TCI dengan implementasi metode XGBoost dan Random Forest untuk mendapatkan hasil prediksi. Hasil yang diperoleh dengan menggunakan perhitungan metode XGBoost ada total 9 kecamatan yang diprediksi terkena bencana kekeringan sangat parah, dan 9 kecamatan dengan metode Random Forest terindikasi kekeringan sangat parah. metode XGBoost memiliki nilai akurasi 0.8286 dan nilai kappa 0.6477 dan metode Random Forest memiliki nilai akurasi 0.6857 dan Nilai Kappa 0.3699. dimana semakin tinggi nilai akurasi dan kappa semakin tepat hasil prediksi yang dilakukan.
Klasifikasi Wilayah Risiko Bencana Kekeringan Berbasis Citra Satelit Landsat 8 Oli Dengan Kombinasi Metode Moran’s I dan Getis Ord G* (Studi Kasus : Kabupaten Boyolali dan Klaten) Nadya Inarossy; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 2 No 2 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (738.665 KB)

Abstract

The purpose of this study is to classify areas that have a high risk of drought with the vegetation index and SPI index and see spatial connectivity between regions with the method of Moran's I and the formation of hotspots with the method of Getis Ord G *. Experiments with vegetation indices in 45 sub-districts in Boyolali and Klaten districts showed that the average was in class 4 including the classification of medium green. As for the SPI method on rainfall data that is interpolated with IDW techniques, all observation areas are included in the normal drought index class. The results of the analysis with Moran's I show Positive Spatial Autocorrelation, namely the drought phenomenon has spatial connectivity between regions observed. The results of Getis Ord's analysis show the formation of hotpsots and spatial connectivity between regions. The results show that 2017 drought spatial connectivity experienced a broad increase from the previous year. Based on the analysis that has been done with the vegetation index and SPI index, the areas prone to drought are Karanggede, Klego, Andong, Kemusu, Wonosegoro and Juwangi
ANALISIS INDEKS VEGETASI AREA TERDAMPAK BANJIR BANDANG DI KABUPATEN JAYAPURA MENGGUNAKAN METODE CLUSTERING PADA CITRA LANDSAT 8 Josua Josen Alexander Limbong; Herman Huki Ratu; Patrick Simbolon; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

Bencana Banjir memang tidak akan pernah berakhir menjadi persoalan manusia, penyebab dari bencana banjir sendiri dapat diakibatkan oleh peristiwa alam atau aktifitas dan kegiatan dari manusia sendiri. Pada Tanggal 16 Maret 2019 telah terjadi bencana alam Banjir bandang yang sangat dahsyat yang terjadi Di Kabupaten Jayapura Tepatnya di daerah Sentani sehingga mengakibatkan banyak korban jiwa dan kerusakan yang terjadi akibat bencana alam tersebut. Oleh sebab itu penelitian ini dilakukan untuk mengetahui perubahan indeks vegetasi yang diakibatkan oleh bencana banjir bandang tersebut. Oleh karena itu dibutuhkan informasi secara visual berupa citra satelit untuk menampilkan informasi mengenai bencana alam banjir bandang yang terjadi di Kabupaten Jayapura. Penelitian ini menggunakan metode clustering dan pendekatan menggunakan NDVI (Normalized Difference Build-up Index). Hasil yang didapatkan dari penelitian ini adalah mendapatkan hasil dari nilai indeks vegetasi kemudian dari nilai tersebut dapat dibandingkan perbedaan indeks vegetasi sebelum dan sesudah terkena dampak Banjir Bandang.
Analisis Perbandingan Area Kebakaran Padang Rumput Berbasis Citra Landsat-8 Pada Sumba Tengah Menggunakan Metode Unsupervised Classification Antar Maramba Jawa; Ravensca Matatula; Stanny Dewanty Rehatta; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

Data statistik tahun 2019 menunjukan hingga saat ini luas padang rumput di kawasan Sumba Tengah cenderung mengalami penurunan dikarenakan seringnya terjadi kebakaran pada lokasi tersebut. Data ini menjadi pendorong akan kebutuhan informasi yang tepat dan cepat terkait tata letak dan perubahan tata letak padang rumput untuk tetap menjaga ketahanan lingkungan sekitar. Teknologi penginderaan jarak jauh telah menjadi tool yang baik dalam pemecahan masalah ini. Melalui klasifikasi citra satelit penginderaan jarak jauh, perubahan lokasi kebakaran dapat dianalisis dengan baik. Berdasarkan hal tersebut penelitian ini akan menganalisis perubahan padang rumput pasca kebakaran pada daerah Sumba Tengah khususnya sebagai wilayah penelitian pada index vegetasi citra satelit lansat 8 dengan memakai Unsupervised Classification. Tujuan dari penelitian ini adalah melakukan klasifikasi untuk memperkirakan luas dan sebaran perubahan padang rumput di Sumba Tengah.Hasil penelitian Kabupaten Sumba Tengah November 2019 memiliki lebih banyak lahan hijau (vegetasi tinggi) dibandingkan dengan nilai NDVI pada citra landsat Kabupaten Sumba Tengah Maret 2020. Sedangkan presentase NDVI November 2019 dan Maret 2020 penurunan yang cukup besar terjadi pada lahan hijau atau padang rumput dengan nilai vegetasi 0.492 ke 0.415 Analisis menunjukkan adanya perbedaan nilai vegetasi pada klasifikasi lahan hijau atau padang rumput menunjukkan terjadinya kebakaran, sehingga naiknya nilai vegetasi klasifikasi lahan kering.
Analisis Resiko Longsor berbasis Citra Landsat-8 menggunakan Interpolasi Spasial Novem Berlian Uly; Murry Albert Agustin Lobo; Mikhael Dio Eclesi; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

Sebagai Negara kepulauan, Indonesia sering menghadapi bencana yang diakibatkan oleh terjadinya perubahan iklim dan cuaca, atau sering disebut bencana hidrometeorologi. Kondisi dan keadan alam yang memungkinkan terjadi bencana disebut sebagai potensi bencana. Cuaca ekstrim dengan curah hujan yang tinggi memungkinkan terjadinya longsor pada kondisi tanah labil serta kemiringan lereng yang curam. Resiko yang diakibatkan longsor dapat berupa resiko ekonomi maupun resiko sosial. Resiko yang ditimbulkan oleh bencana merupakan potensi kerugian pada suatu kawasan dan kurun waktu tertentu. Bentuk resiko bencana dapa berupa gangguan kegiatan masyarakat, hilangnya rasa aman, masyarakat mengungsi, kerusakan atau kehilangan harta, jiwa terancam, luka, sakit dan kematian. Kabupaten Banjarnegara sebagai salah satu daerah yang memiliki potensi resiko tanah longsor. Berdasarkan karakteristik tersebut maka perlu dilakukan analisis resiko tanah longsor untuk memberikan informasi resiko tanah longsor. Pada Penelitian ini dilakukan analisis resiko longsor berbasis Citra Landsat-8 menggunakan metode Interpolasi Spasial. Data curah hujan yang digunakan adalah Data Curah Hujan BMKG Kabupaten Banjarnegara Tahun 2015. Hasil dari penelitian ini menunjukkan bahwa Terdapat 7 Kecamatan yang memiliki tingkat resiko tanah longsor yang sangat tinggi yaitu Susukan, Purworejo Klampok, Mandiraja, Purwonegoro, Bawang dan Wanadadi.
ANALISIS RUANG TERBUKA HIJAU PADA KOTA SURABAYA MENGGUNAKAN CITRA LANDSAT 8 DAN METODE MAXIMUM LIKELIHOOD Stevanus Dwi Istiavan Mau; Antonius Mbay Ndapamury; Vinsensius Aprila Kore Dima; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

RTH atau dikenal dengan ruang terbuka hijau merupakan suatu kelompok tanaman yang berada pada pemukiman rumah dan di tengah kota baik itu pohon serta tanaman yang ada pada rumah Surabaya sendiri mempunyai geografis yang ada pada 07.09’00”-07’21’00” Lintang selatan serta 112’36’-112’54’. Pada dasarnya luas dari surabaya memiliki daratan luas 326,81km2 serta lautan 190,39 km2. Surabaya bisa di bilang kota yang sangat padat dimana pada tahun sebelum nya hingga saat ini pembangunan terus berjalan dan meyebabkan kekurangan ruang terbuka hijau. Dalam menganalisis RTH di butuhkan suatu metode dalam melakukan analisis RTH, metode yang di pakai dalam penelitian ini menggunakan maxium likelihood yang berfungsi sebagai integrasi antara klasifikasi penutup lahan, NDVI serta Citra Landsat 8. Hasil dari penelitian ini adalah menampilkan ruang terbuka hijau dan pengelolaan ndvi dari tahun 2016 dan 2019 dimana terdapat pembangunan lahan yang menutupi ruang terbuka hijau pada Kota Surabaya. Manfaat dari penelitian ini sendiri bagaimana kita lebih mengenal fungsi dari RTH tersebut bagi masyarakat dan kota itu sendiri.
Co-Authors Adenia Kusuma Dayanthi Anna Simatauw Antar Maramba Jawa Antonius Mbay Ndapamury Ardian Ariadi Ardito Laksono Suryoputro Arit Imanuel Meha Arvira Yuniar Isnaeni Ayuningtyas, Fajar Baali, Gabriel Megfaden Kenisa Baronio, Nodas Constantine Bintang Lazuardi Bistok Hasiholan Simanjuntak Brian Laurensz Brilliananta Radix Dewana Bunga, Alex Frianco Cahyaningtyas, Christian Charitas Fibriani Christanto, Erwien Christiana Ari Setyaningrum Daniel HF Manongga Danny Manongga Danny Sebastian Devianto, Yudo Dian Widiyanto Chandra Dwi Hayati Edwin Zusrony Eko Sediyono Elvira Umar Engles Marabangkit Yoesmarlan Erik Wahyu Abdi Nugroho Evan Bagus Kristianto Evan Geraldy Suryoto Evi Maria Fabian Valerian Feibe Lawalata Florentina Tatrin Kurniati Gallen cakra adhi wibowo Gideon Bartolomeus Kaligis Gilbert Yesaya Likumahua Gudiato, Candra Haikal Nur Rachmanrachim Achaqie Haikal Nur Rachmanrachim Achaqie Hindriyanto Dwi Purnomo Ida Ayu Putu Sri Widnyani Indra Yunanto Irdha Yunianto Irwan Sembiring Isnaeni, Arvira Yuniar Josua Josen Alexander Limbong Kase, Celomitha Putri Welhelmina Kristia Yuliawan Kristoko Dwi Hartomo Kurnia Latifatul Nazila Laurentius Kuncoro Probo Saputra Lobo, Murry Albert Agustin Lyonly Evany Tomasoa Maipauw, Musa Marsel Maya Sari Merryana Lestari Mikhael Dio Eclesi Mila Chrismawati Paseleng Mira Mira Muhamad Yusup Muhammad Rizky Pribadi Muhammad Sholikhan Nadia Renatha Yuwono Nadya Inarossy Novem Berlian Uly Nugroho, Ignatius Dion Nusantara, Bandhu Otniel, Marcelinus Vito Patrick Simbolon Permatasari, Aurilia Dinda Petty, Holbed Joshua Praditya, Al-Farrel Raka Prayitno, Gunawan Priyadi Priyadi Purwoko, Agus Qurotul Aini Ratu, Herman Huki Ravensca Matatula Raymond Elias Mauboy Riko Yudistira Rina Pratiwi Pudja I. A Rohmad Abidin, Rohmad Rony, Zahara Tussoleha Roy Rudolf Huizen Santoso, Nuke Puji Lestari Septian Silvianugroho Septio, Pius Aldi Solly Aryza Sri Hartati Stanny Dewanty Rehatta Stevanus Dwi Istiavan Mau Supit, Christanti Ekkelsia Suryasatria Trihadaru Suryasatriya Trihandaru Susatyo, Yeremia Alfa Sutarto Wijono Theopillus J. H. Wellem Tirsa Ninia Lina Triloka Mahesti Triloka Mahesti Untung Rahardja Valentino Kevin Sitanayah Que Vinsensius Aprila Kore Dima Wahani, Puteri Justia Kardia Momuat Wasis Pancoro Wicaksono, Muhammad Ryqo Jallu Winarko, Edi Wiwin Sulistyo Yansen Bagas Christianto Yerik Afrianto Singgalen Yesi Arumsari Yohanes Aji Priambodo