Article Per Year (5 Year)
p-Index From 2021 - 2026
7.335
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Sistem dan Informatika International Journal of Law Reconstruction Jurnal Pendidikan Informatika dan Sains Jurnal Khatulistiwa Informatika JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Al-Khidmah JURNAL EDUCATION AND DEVELOPMENT NUSANTARA : Jurnal Ilmu Pengetahuan Sosial CYBERNETICS BULETIN AL-RIBAATH JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) GERVASI: Jurnal Pengabdian kepada Masyarakat Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Jurnal Teknika Jurnal Abdi Insani JIKA (Jurnal Informatika) Journal of Innovation Information Technology and Application (JINITA) Innovation in Research of Informatics (INNOVATICS) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Computer Science and Information Technology (CoSciTech) JUTECH : Journal Education and Technology Jurnal Pengabdian Masyarakat Nusantara Jurnal Media Informatika JUSTIN (Jurnal Sistem dan Teknologi Informasi) Joutica : Journal of Informatic Unisla Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Riset Rumpun Ilmu Teknik (JURRITEK) Jurnal Ilmiah Teknik Informatika dan Komunikasi Kohesi: Jurnal Sains dan Teknologi SmartComp Jurnal Informatika Polinema (JIP) Journal of Multidiscipline and Collaboration Research Jurnal Ragam Pengabdian JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) KREATIF: Jurnal Pengabdian Masyarakat Nusantara
Syarifah Putri Agustini Alkadri
Universitas Muhammadiyah Pontianak, Indonesia
Agriculture, Biological Sciences & Forestry 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 Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Physics Public Health Social Sciences Other

Published : 63 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 63 Documents
Search

 1   2   3   4   5 
Sistem Pendukung Keputusan Penerima Bantuan Rumah Layak Huni Menggunakan ROC Dan SAW Heni Kriswanti; Syarifah Putri Agustini Alkadri; Izhan Fakhruzi
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 10 No 4 (2023): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v10i4.6483

Abstract

In addition to food, clothing, and shelter, shelter is one of the basic human needs. The house is also a living space and serves as protection from climate change and other living things. This research introduces the Ranc Order Centroid (ROC) method and the Simple Additive Weighting (SAW) method in the decision support system of home aid recipients, and develops a decision support system that can be used by aid providers. The system uses PHP and MySql programming languages as databases. The methodology used is Unified Modeling Language (UML) as the system design. The test used is black box testing. The end result of this research is the creation of a series of decision support systems for recipients of home assistance and communities in need of support.
Sistem prediksi penjualan lidah buaya dengan metode single exponential smoothing pada upt agribisnis Tiara Tri Anita; Syarifah Putri Agustini Alkadri; Putri Yuli Utami
Jurnal Pendidikan Informatika dan Sains Vol. 12 No. 1 (2023): Jurnal Pendidikan Informatika dan Sains
Publisher : IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/saintek.v12i1.5731

Abstract

Indonesia dikenal sebagai negara agraris karena sebagian besar penduduk bermata pencaharian dibidang pertanian. Di Kota Pontianak Pusat Center Aloe Vera terletak pada UPT Agribisnis. UPT Agribisnis merupakan salah satu program pemerintah untuk menumbuh kembangkan agribisnis di Kota Pontianak. Permasalahan yang sering dialami UPT Agribisnis yaitu dalam proses penjualan masih sering terjadi jumlah yang berlebih sehingga jika bahan baku lidah buaya berlebih dan tidak digunakan akan membusuk dalam waktu 2 minggu dan harus dibuang. Penelitian ini bertujuan untuk memprediksi penjualan lidah buaya untuk satu bulan kedepan agar persediaan lidah buaya optimal maka dibutuhkan sistem prediksi penjualan lidah buaya menggunakan metode Single Exponential Smoothing. Prediksi penjualan lidah buaya dilakukan dengan pengujian tingkat keakuratan hasil prediksi. Tingkat keakuratan dihasilkan dari nilai MAPE disetiap perhitungan, semakin kecil nilai MAPE maka tingkat keakuratannya semakin tepat. Data yang digunakan merupakan data penjualan lidah buaya dari bulan Januari 2022 sampai Juli 2022. Pengujian dilakukan dengan hasil prediksi menggunakan alpha dari 0,1 – 0,9. Berdasarkan hasil analisis dan pengujian sistem, maka sistem ini dapat memprediksi penjualan lidah buaya. Hasil prediksi menggunakan metode Single Exponential Smoothing pada penjualan lidah buaya terbaik yaitu alpha 0,3 dengan penjualan pada bulan Agustus adalah 8733 kg dan hasil kesalahan atau error dengan menggunakan metode MAPE yaitu 0,65%.
Penerapan Metode Certainty Factor pada Sistem Pakar Diagnosa Hama dan Penyakit pada Tanaman Tomat Dila Adellia; Alda Cendekia Siregar; Syarifah Putri Agustini Alkadri
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 3 (2022): Volume 8 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i3.56178

Abstract

Tanaman tomat termasuk tanaman hortikultura yang memiliki banyak manfaat bagi tubuh. Kurangnya pengetahuan pelaku tani dalam merawat serta mengatasi permasalahan pada tanaman tomat berdampak pada hasil panen yang kurang memuaskan. Tujuan dilakukan penelitian ini adalah untuk menghasilkan sebuah sistem pakar diagnosa hama dan penyakit pada tanaman tomat berbasis website berdasarkan beberapa gejala serta solusi untuk mengatasi permasalahan pada tanaman tomat. Metode yang diterapkan pada website tanaman tomat yaitu Metode Certainty Factor. Metode tersebut dapat memberikan gambaran mengenai kepercayaan seorang pakar terhadap suatu masalah, pada sistem pakar diagnosa hama dan penyakit tanaman tomat dilakukan pengujian akurasi sistem. Pengujian akurasi sistem dilakukan untuk mengetahui tinggkat akurasi dan nilai keberhasilan sistem. Dalam pengujian akurasi sistem digunakan 20 data kasus lapangan berdasarkan wawancara langsung kepada beberapa pihak pelaku tani tanaman tomat, dengan mengumpulkan fakta-fakta berupa gejala dari setiap kasus permasalahan hama dan penyakit tanaman tomat. Berdasarkan 20 data kasus tanaman tomat yang telah dilakukan berdasarkan penyesuaian terhadap sistem dan pakar diperoleh nilai akurasi sistem sebesar 90%. 
Geotagging untuk Monitoring Pelaksanaan Proyek Konstruksi Rachmat Wahid Saleh Insani; Syarifah Putri Agustini Alkadri
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i1.51271

Abstract

Salah satu kendala dalam proyek konstruksi adalah koordinasi seluruh fungsi pengelolaan proyek. Geotagging atau geo-referencing menambahkan metadata yang mengidentifikasi geografis ke citra untuk mengetahui keadaan dari suatu lokasi dengan memetakannya ke suatu peta digital. Penelitian ini ditujukan untuk merancang, membangun, dan menganalisis aplikasi sistem monitoring proyek konstruksi yang menggunakan teknologi geotagging. Sistem yang dihasilkan akan berbentuk aplikasi dan akan diukur fungsionalitas serta akurasi geotagging yang ada di dalamnya. Geotagging dikembangkan melalui integrasi sistem dengan layanan lokasi perangkat Android. Hasil penelitian ini berupa suatu sistem yang berbentuk aplikasi Android dan mampu menyimpan foto proyek konstruksi dan menampilkan lokasi pengambilan foto di peta digital menggunakan teknik geotagging. Teknik ini menempelkan koordinat terkini perangkat, ke dalam file gambar dalam bentuk Exif tag. Kekuatan sinyal merupakan pengaruh terbesar dalam akurasi dari koordinat yang diperoleh. Apabila pengawas berada di lokasi proyek yang memiliki tingkat sinyal yang tidak stabil, maka marker yang menunjukkan lokasi pengambilan foto dan tampil di peta digital tidak memiliki akurasi yang baik.
Penerapan Metode Collaborative Filtering untuk Rekomendasi Tempat Kos di Sekitar Kampus UM Pontianak Agustian, Agustian; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Jurnal Informatika Polinema Vol. 10 No. 3 (2024): Vol. 10 No. 3 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i3.5085

Abstract

Rekomendasi tempat kos merupakan salah satu kebutuhan bagi pelajar, namun menemukan kos yang sesuai dengan kebutuhan dan preferensi siswa bukanlah hal yang mudah. Hal ini disebabkan oleh banyaknya faktor yang perlu dipertimbangkan seperti lokasi, harga, fasilitas dan reputasi. Oleh karena itu, penelitian ini dilakukan untuk membangun sistem rekomendasi tempat kos menggunakan metode Collaborative Filtering yang dapat membantu mahasiswa menemukan kos yang sesuai dengan kebutuhan dan preferensi mereka. Data yang digunakan dalam penelitian ini adalah data penilaian kos-kosan dari pengguna, data tersebut dianalisis menggunakan metode Collaborative Filtering untuk menghasilkan model rekomendasi. Hasil Evaluasi menunjukkan bahwa sistem rekomendasi yang dibangun memiliki tingkat akurasi yang cukup baik. Berdasarkan nilai Mean Absolute Error (MAE) dengan akurasi 29.68%, sistem ini dapat memprediksi penilaian kos-kosan dengan kesalahan rata-rata yang sangat rendah. Selain itu, hasil pengujian User Acceptance Testing (UAT) dengan persentase respon positif 83.2% menunjukkan bahwa sistem rekomendasi ini diterima dengan baik oleh pengguna. Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa metode Collaborative Filtering efektif dalam membangun sistem rekomendasi tempat kos yang akurat dan berguna bagi pengguna.
Klasifikasi Tingkat Kepuasan di Maskapai Penerbangan: Studi Komparasi Algoritma K-NN dan Adaboost Maysa, Ade; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Jurnal Informatika Polinema Vol. 10 No. 3 (2024): Vol. 10 No. 3 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i3.5166

Abstract

Dalam persaingan bisnis yang ketat, kepuasan pelanggan menjadi kunci utama dalam meningkatkan kinerja perusahaan, terutama di industri penerbangan. Faktor-faktor seperti bagasi tertinggal di bandara keberangkatan, air conditioning (AC) pesawat yang tidak berfungsi selama penerbangan, dan keterlambatan penerbangan hingga 2 jam berpotensi besar mempengaruhi kepuasan penumpang. Untuk meningkatkan efisiensi layanan, perusahaan harus melakukan survei guna memahami faktor-faktor yang memengaruhi kepuasan pelanggan dan mencapai keunggulan kompetitif. Dalam mengukur kualitas layanan, indikator kepuasan penumpang menjadi penting sebagai pandangan bisnis. Dengan menggunakan teknik data mining, khususnya model klasifikasi dalam menganalisis data kepuasan pelanggan, perusahaan dapat menemukan komponen utama yang berkontribusi terhadap kepuasan atau ketidakpuasan pelanggan, seperti kualitas makanan, ketepatan waktu penerbangan, dan layanan di dalam pesawat. Penelitian ini mengkomparasi algoritma K-Nearest Neighbors (K-NN) dan Adaptive Boosting (Adaboost) yang bertujuan untuk mengetahui algoritma mana yang memiliki performa yang baik, untuk mengukur performa dari kedua algoritma maka akan digunakan teknik confusion matrix. Hasil akurasi algoritma K-NN sebesar 86%, dengan nilai precision 85% dan recall 78%. Sementara itu, algoritma Adaboost berhasil mencapai akurasi 90%, dengan nilai precision 90% dan recall 84%. Dengan akurasi, precision, dan recall yang lebih tinggi, Adaboost menjadi pilihan terbaik, dengan mencatat score true positive (TP) 3.199 dan true negative (TN) 5.550.
INOVASI PEMBELAJARAN DIGITAL: WORKSHOP MEDIA PEMBELAJARAN VIDEO CANVA UNTUK GURU SMA MUHAMMADIYAH 1 PONTIANAK Alkadri, Syarifah Putri Agustini; Sucipto; Muhammad Dwi Ramadhianto
GERVASI: Jurnal Pengabdian kepada Masyarakat Vol. 8 No. 1 (2024): GERVASI: Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/gervasi.v8i1.7131

Abstract

Kurikulum Merdeka berfokus pada pengembangan kemandirian siswa. SMA Muhammadiyah 1 Pontianak menghadapi tantangan integrasi teknologi yang minim, materi monoton, dan partisipasi siswa rendah. Solusi diusulkan adalah meningkatkan integrasi teknologi melalui media pembelajaran video yang menarik dan interaktif. Tujuan pengabdian adalah membekali guru dengan keterampilan membuat video pembelajaran kreatif untuk merangsang kemandirian dan semangat belajar siswa di luar kelas. Metode kegiatan mencakup ceramah dan praktek, dengan fokus pada perencanaan video, penggunaan Canva, dan teknik pengambilan gambar menggunakan smartphone. Berdasarkan hasil pretest dan posttest yang dilakukan dapat disimpulkan bahwa kegiatan pelatihan pengembangan media ajar dikategorikan berhasil dengan adanya peningkatan pemahaman guru sebesar 80% dan peningkatan kompetensi diatas 50% dalam menggunakan Canva sebagai media pembelajaran. Hasil survey pelatihan menunjukkan bahwa sebagian besar peserta setuju bahwa pelatihan bermanfaat dan meningkatkan pengetahuan peserta.
Sistem Prediksi Kebutuhan Obat di Puskesmas Berbasis Website Menggunakan Metode Regresi Linear Medi, Medi; Alkadri, Syarifah Putri Agustini; Octariadi, Barry Ceasar
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 3: Desember 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i3.1543

Abstract

Community Health Centers (Puskesmas) are one of the most important public health service facilities in Indonesia. Subi sub-district health center is a health facility that prioritizes quality of service to the people of Subi sub-district. Medicines are a major factor for health agencies. With the availability of sufficient medicines, we can provide maximum service, thereby avoiding negative risks for patient safety. The data analysis process can be carried out using the Linear Regression method by determining the independent variables. Predictions made using the Linear Regression method can be measured using the Mean Absolute Percentage Error (MAPE) calculation. Predictions that have been stiffened and measured so that they can be used with future data can quickly develop a Prediction System. Prediction system design using Unifield Modeling Language (UML) and Balsamic Mockup as user interface design. This research produces a prediction system that can predict the number of drugs dispensed and predict drug orders. With a MAPE value of 12.4% and testing for acceptance of this prediction system of 89.5%. This means that the prediction system is very good and meets your needs.Keywords: Prediction; Drug Stock Availability; Linear Regression AbstrakPusat Kesehatan Masyarakat (Puskesmas) adalah salah satu sarana pelayanan Kesehatan masyarakat yang amat penting di Indonesia. Puskesmas kecamatan subi merupakan fasilitas Kesehatan yang mengutamakan kualitas pelayanan terhadap masyarakat kecamatan subi. Obat merupakan faktor utama bagi instansi kesehatan. Dengan ketersediaan obat yang cukup dapat memberikan pelayanan yang maksimal, sehingga terhindar dari resiko buruk bagi keselamatan pasien. Proses Analisis data yang bisa dilakukan dengan menggunakan metode Regresi Linear dengan menentukan variable bebas. Prediksi yang dilakukan dengan metode Regresi Linear dapat diukur menggunakan perhitungan Mean Absolute Percentage Error (MAPE). Prediksi yang telah dikakukan dan diukur agar dapat digunakan dengan data kedepannya secara cepat dibangunkan sebuah Sistem Prediksi. Perancangan Sistem prediksi menggunakan Unifield Modelling Language (UML) dan Balsamic Mockup sebagai perancangan user interface. Penelitian ini menghasilkan sebuah sistem prediksi yang dapat memprediksi jumlah obat keluar dan memprediksi pemesan obat. Dengan nilai MAPE sebesar 12.4% dan pengujian terhadap penerimaan sistem prediksi ini sebesar 89,5%. artinya sistem prediksi sudah sangat baik dan sesuai dengan kebutuhan. 
Uji Akurasi Algoritme K-Nearest Neighbor Dan Naïve Bayes Dalam Klasifikasi Kelayakan Pemberian Kredit Perbankan Asyari, Bisma; Agustini Alkadri, Syarifah Putri; Utami, Putri Yuli
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 3: Desember 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i3.1350

Abstract

Banking credit is a process of giving money or debt following an agreement between the borrower and the bank, as well as determining the classification of creditworthiness on housing loans (KPR). This affects the customer's waiting time for the results of a bank's decision, the success of a bank's credit management will greatly affect the fate of many customer funds if the analysis is inaccurate, so technology is needed to find hidden information on prospective borrowers' data to predict a customer's loan repayment ability. This study uses an algorithm K-Nearest Neighbor and Naïve Bayes to determine the eligibility classification for bank lending and determine the accuracy of bank credit eligibility for mortgages, to determine the accuracy of the algorithm through three stages of testing, namely several preprocessing stages starting from checking duplicates, deal with missing value, deal with outliers, do label encoding, deal with data imbalance use method SMOTE, and standardize using scaler standard. The results of the Naïve Bayes and KNN algorithms as well as the model stages are evaluated to examine each stage in the data for the model's ability to predict, the evaluation matrix used is in the form of a results confusion matrix. There is the best result, namely the KNN algorithm in the third test with a value of K = 10 with a performance of 80.92% training data accuracy and 78.86% testing data and getting a score confusion matrix TP 76 and TN 21.Keywords: Banking Credit; Data Mining; Machine Learning; K-Nearest Neighbors; Naïve Bayes.AbstrakKredit perbankan suatu proses pemberian uang atau hutang sesuai dengan kesepakatan antara peminjam dengan bank, serta menentukan klasifikasi kelayakan kredit pada Kredit Pemilikan Rumah (KPR). Hal ini mempengaruhi waktu tunggu nasabah atas hasil keputusan bank, keberhasilan pengelolaan kredit suatu bank akan sangat mempengaruhi nasib banyak dana nasabah jika analisisnya tidak akurat, sehingga dibutuhkan teknologi untuk menemukan informasi tersembunyi data calon peminjam untuk memprediksi kemampuan pembayaran pinjaman nasabah. Penelitian ini menggunakan algoritme K-Nearest Neighbor dan Naïve Bayes untuk menentukan klasifikasi kelayakan pemberian kredit perbankan dan mengetahui tingkat akurasi kelayakan pemberian kredit perbankan pada KPR, untuk mengetahui tingkat akurasi algoritme melalui tiga tahap pengujian, yaitu dilakukan beberapa tahapan preprocessing mulai dari pengecekan duplicate, menangani missing value, menangani outliers, melakukan label encoding, mengatasi data imbalance menggunakan metode SMOTE, dan melakukan standarisasi menggunakan standar scaler. Hasil dari algoritme Naïve Bayes dan KNN serta tahapan model di evaluasi untuk memeriksa setiap tahap pada data terhadap kemampuan model dalam memprediksi, matrik evaluasi yang digunakan berupa hasil confusion matrix. Terdapat hasil terbaik yaitu pada algoritme KNN di pengujian ketiga dengan nilai K=10 dengan performa akurasi data training 80.92% dan data testing 78.86% dan mendapatkan score confusion matrix TP 76 dan TN 21. 
PREDIKSI HARGA SMARTPHONE BERDASARKAN FITUR SMARTPHONE DENGAN RANDOM FOREST REGRESSION Wiguna, Seftyan; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Kohesi: Jurnal Sains dan Teknologi Vol. 6 No. 9 (2025): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v6i9.10382

Abstract

Kemajuan teknologi telekomunikasi selama beberapa dekade terakhir telah secara drastis mengubah gaya hidup manusia di seluruh dunia. Penentuan harga yang tepat untuk ponsel pintar merupakan faktor kritis dalam strategi pemasaran dan penjualan yang sukses. Harga yang terlalu tinggi dapat mengurangi minat konsumen, sementara harga yang terlalu rendah dapat mengurangi potensi pendapatan perusahaan. Dalam konteks ini, banyak fitur penting yang perlu dipertimbangkan dalam memperkirakan harga ponsel, seperti prosesor, kapasitas baterai, ukuran layar, ketebalan, memori internal, resolusi kamera, dan kualitas video. Penelitian ini bertujuan untuk memprediksi harga smartphone berdasarkan fitur-fitur tersebut menggunakan metode Random Forest Regression, sebuah teknik machine learning yang dikenal mampu menangani data yang kompleks dan non-linear. Dalam penelitian ini sebuah aplikasi dikembangkan untuk memprediksi harga smartphone dengan menggunakan algoritma Random Forest. Hasil pengujian menunjukkan bahwa model prediktif ini memiliki performa yang cukup baik, dengan nilai MAPE sebesar 35,6%, MAE sebesar Rp. 760,969, MSE sebesar 3.023, dan RMSE sebesar Rp. 1,745,144. Hasil ini menunjukkan bahwa metode Random Forest Regression mampu memberikan prediksi yang mendekati nilai aktual. Aplikasi ini diharapkan dapat membantu produsen ponsel pintar dalam menentukan strategi harga yang lebih tepat dan mengoptimalkan keputusan bisnis. Dengan demikian, penelitian ini memberikan kontribusi dalam pengembangan alat prediksi harga berbasis fitur smartphone yang dapat digunakan secara praktis oleh pelaku industri teknologi.
Co-Authors Acep Supriyanto Ade Zaldi Eureka Zendar Ade Aditya Saputra, Rangga Agustian Agustian Ajmi, Nur Dzakiyyah Alda Cendekia Siregar Alda Cendekia Siregar Alifiansyah, Zuhrie Aliya Supandih, Fathia Alkhairi, Muhammad Ghozy Andalas Rivaldi Permana Anita Anugerah, Ade Arninda, Arninda Asrul Abdullah Asyari, Bisma Barry Caesar Octariadi Barry Ceasar Octariadi Ceasar Octariadi, Barry Chatarina Umbul Wahyuni Darniva, Fara Diky Pratama Dila Adellia Dini Oktaviani Dwika, Arya Sukma Putra Eko Julianto Enkan Feny Nopitasari Fakhruzi, Izhan Hafi Risandika Hasim, Wahyudi Hazilina, Hazilina Heni Kriswanti Herlangga, Herlangga Isra Pebrianti Istikoma Istikoma Kalsum, Dayang Nur Kristin Damay Asmara Marwan, Yusuf Masroni Maysa, Ade Medi, Medi Menur Wahyu Pangestika, Menur Wahyu Mochamad Wahyudi Muhammad Dwi Ramadhianto Novianti, Novianti Nurmelidia Larasati Octariadi, Barry Ceasar Otafyani, Mega Pirman Pirman Putri Yuli Utami Rachmat Wahid Saleh Insani Raihan Anugrah Fakhri Ramadhianto, Muhammad Dwi Ria Sapitri Rizka Amalia Rizki Akbar Pratama Rizky Wahyu Prasetio Roni, Roni Ruhama, Ufi Ryan Permana Ryani Yulian Setiaji, Wanda Primadita Sinta Rama Dani Siti Nur Fadillah, Utin Sucipto Sucipto Sucipto Sucipto Sucipto Sucipto Sucipto Sucipto Sufi Vanitra Sumirah Sumirah Sumirah Sumirah Tiara Tri Anita vera vibiola Vika Ummu Hani Wahyu Nugroho Wiguna, Seftyan Yulrio Brianorman