Articles

STUDI PERBANDINGAN ANTARA ALGORITMA BIVARIATE MARGINAL DISTRIBUTION DENGAN ALGORITMA GENETIKA Fatichah, Chastine; Kusuma, Imam Artha; Purwananto, Yudhi
Jurnal Informatika Vol 7, No 2 (2006): NOVEMBER 2006
Publisher : Institute of Research and Community Outreach - Petra Christian University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.9744/informatika.7.2.pp. 131-142

Abstract

Bivariate Marginal Distribution Algorithm is extended from Estimation of Distribution Algorithm. This heuristic algorithm proposes the new approach for recombination of generate new individual that without crossover and mutation process such as genetic algorithm. Bivariate Marginal Distribution Algorithm uses connectivity variable the pair gene for recombination of generate new individual. Connectivity between variable is doing along optimization process. In this research, genetic algorithm performance with one point crossover is compared with Bivariate Marginal Distribution Algorithm performance in case Onemax, De Jong F2 function, and Traveling Salesman Problem. In this research, experimental results have shown performance the both algorithm is dependence of parameter respectively and also population size that used. For Onemax case with size small problem, Genetic Algorithm perform better with small number of iteration and more fast for get optimum result. However, Bivariate Marginal Distribution Algorithm perform better of result optimization for case Onemax with huge size problem. For De Jong F2 function, Genetic Algorithm perform better from Bivariate Marginal Distribution Algorithm of a number of iteration and time. For case Traveling Salesman Problem, Bivariate Marginal Distribution Algorithm have shown perform better from Genetic Algorithm of optimization result. Abstract in Bahasa Indonesia : Bivariate Marginal Distribution Algorithm merupakan perkembangan lebih lanjut dari Estimation of Distribution Algorithm. Algoritma heuristik ini mengenalkan pendekatan baru dalam melakukan rekombinasi untuk membentuk individu baru, yaitu tidak menggunakan proses crossover dan mutasi seperti pada Genetic Algorithm. Bivariate Marginal Distribution Algorithm menggunakan keterkaitan pasangan variabel dalam melakukan rekombinasi untuk membentuk individu baru. Keterkaitan antar variabel tersebut ditemukan selama proses optimasi berlangsung. Aplikasi yang dibuat dalam penelitian ini ditujukan untuk membandingkan kinerja Genetic Algorithm sederhana persilangan satu titik dengan Bivariate Marginal Distribution Algorithm pada kasus Onemax, Fungsi De Jong F2, dan Traveling Salesman Problem. Dari uji coba yang dilakukan, didapat hasil bahwa kinerja dari kedua algoritma tersebut dipengaruhi oleh parameter masing-masing dan juga besar ukuran populasi yang digunakan. Untuk kasus Onemax dengan ukuran masalah yang kecil, Genetic Algorithm lebih unggul dalam hal jumlah iterasi yang lebih sedikit dan waktu yang lebih cepat untuk mendapat hasil optimal. Namun, Bivariate Marginal Distribution Algorithm lebih unggul dalam hal hasil optimasi pada kasus Onemax dengan ukuran masalah yang lebih besar. Untuk Fungsi De Jong F2, Genetic Algorithm lebih unggul dari Bivariate Marginal Distribution Algorithm utamanya dalam hal jumlah iterasi dan waktu. Sedangkan untuk kasus Traveling Salesman Problem, Bivariate Marginal Distribution Algorithm dapat menunjukkan kinerja yang lebih baik dari Genetic Algorithm dalam hal hasil optimasi. Kata kunci: heuristic algorithm, estimation of distribution algorithm, bivariate marginal distribution algorithm, genetic algorithm.
Penggabungan Fitur Tekstur yang Invariant terhadap Iluminasi dan Fitur Bentuk untuk Deteksi Acute Lymphoblastic Leukemia Saputra, Rizal A; Fatichah, Chastine; Suciati, Nanik
Jurnal Buana Informatika Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i1.481

Abstract

Abstract. Detection with microscopic blood image can help early detection of Accute Lymphoblastic Leukemia (ALL). Therefore, image acquisition process under lighting variation cause varying illumination image, so it’s needed to find texture feature extraction method that is invariant towards illumination. Shape feature also needed in this study because can represent characteristics of microscopic blood image.This study proposes combination of texture feature that is illumination invariant and shape feature for ALL detection. Texture feature will be extracted using Complete Robust Local Binary Pattern (CRLBP) method and will be tested on microscopic blood image dataset named ALL_IDB1. Testing will be conducted by using various combination of different texture feature and shape feature. Combination of shape feature and CRLBP is perform better than others. In indvidual cell test, highest result using SVM Linear with accuracy 90.89%, sensitivity 94.24% and specificity 64.82%. Classification using ALL image reach accuracy 88.00 %, sensitivity 82.35% and specificity 100%.Keywords: Acute Lymphoblastic Leukemia detection, Complete Robust Local Bianry Pattern, Local Binary Pattern, shape feature, texture feature. Abstrak. Deteksi dengan citra mikroskopik sel darah dapat membantu untuk deteksi dini Accute Lymphoblastic Leukemia (ALL). Namun, proses akuisisi citra mikroskopik dengan variasi pencahayaan yang berbeda menyebabkan iluminasi citra menjadi beragam sehingga dibutuhkan metode yang dapat mengekstraksi fitur tekstur yang invariant terhadap iluminasi. Fitur bentuk juga dibutuhkan dalam penelitian ini karena dapat merepresentasikan perbedaan pada citra mikroskopik sel darah. Penelitian ini mengusulkan penggabungan fitur tekstur yang invariant terhadap iluminasi dan fitur bentuk untuk deteksi dini ALL. Fitur tekstur akan diekstraksi dengan menggunakan metode Complete Robust Local Binary Pattern (CRLBP) dan diuji coba pada dataset ALL_IDB1. Uji coba dilakukan dengan variasi penggabungan fitur bentuk dan fitur tekstur. Penggabungan fitur bentuk dan CRLBP merupakan kombinasi fitur dengan performansi paling baik. Pada pengujian sel tunggal memberikan hasil tertinggi pada klasifikasi SVM Linear dengan akurasi 90,89%, sensitifitas 94,24% dan sepesifisitas 64,82%. Pada klasifikasi citra ALL akurasi mencapai 88,00%, dengan sensitifitas 82,35% dan spesifisitas 100%.Kata Kunci: Complete Robust Local Binary Pattern, deteksi Acute Lymphoblastic Leukemia, Local Binary Pattern, fitur bentuk, fitur tekstur
IMPLEMENTASI METODE MULTIPLE KERNEL SUPPORT VECTOR MACHINE UNTUK SELEKSI FITUR DARI DATA EKSPRESI GEN DENGAN STUDI KASUS LEUKIMIA DAN TUMOR USUS BESAR Yunita, Ariana; Fatichah, Chastine; Yuhana, Umi Laily
MATICS MATICS (Vol. 4 No. 2
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v0i0.1563

Abstract

Pada penelitian ini mengimplementasikan metode multiple kernel support vector machine untuk seleksi fitur. Multiple kernel merupakan metode modifikasi fungsi kernel yang mengalikan tiap elemen dari data. Metode ini melakukan seleksi fitur terhadap fitur yang kurang penting dengan tingkat akurasi lebih baik daripada metode dasar support vector machine. Uji coba dilakukan dengan menggunakan dataset ekspresi gen leukimia dan tumor usus besar. Hasil uji coba dibandingkan dengan tingkat akurasi metode support vector machine tanpa seleksi fitur. Tingkat akurasi metode multiple kernel support vector machine yang dihasilkan untuk data ekspresi gen leukimia yaitu 85% dan untuk data tumor usus besar sebesar 69%. Sedangkan tingkat akurasi dengan metode dasar support vector machine yaiu sebesar 82% untuk data leukimia dan 59% untuk data tumor usus besar. Seleksi fitur dapat mempersingkat waktu komputasi sehingga dapat dikembangkan untuk banyak aplikasi pengenalan pola. Kata Kunci: Multiple kernel, support vector  machine, seleksi fitur, data ekspresi gen
SELEKSI FITUR MENGGUNAKAN EKSTRAKSI FITUR BENTUK, WARNA, DAN TEKSTUR DALAM SISTEM TEMU KEMBALI CITRA DAUN Sari, Yuita Arum; Dewi, Ratih Kartika; Fatichah, Chastine
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 12, No 1, Januari 2014
Publisher : Teknik Informatika, ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v12i1.a39

Abstract

Fitur yang digunakan untuk mengenali jenis daun meliputi bentuk, warna, dan tekstur. Tidak semua jenis fitur perlu digunakan untuk melakukan komputasi hasil ektra ksi, namun perlu diseleksi beberapa fitur yang paling berpengarauh dalam sistem temu kembali citra daun. Teknik seleksi fitur Correlation based Featured Selection (CFS) digunakan untuk melakukan pemilihan fitur berdasarkan korelasi antar fitur, sehingga dapat meningkatkan performa dari sistem temu kembali citra daun. Jenis seleksi fitur yang digunakan diantaranya menggunaka CFS, CFS dengan Genetic Search (GS), dan chi square. Analisis keterkaitan korelasi antar fitur melalui seleksi fitur juga dikombinasikan dengan penggunaan kedekatan dalam menghitung similaritas pada sistem temu kembali. Penggunaan kedekatan dengan Lp norm, ma nhattan, euclidean, cosine, dan mahalanobis. Hasil penelitian ini menunjukkan nilai temu kembali paling tinggi ketika menggunakan seleksi fitur CFS dengan pengukuran kedekatan mahalanobis.
RANCANG BANGUN EDITOR KURVA POLYLINE DENGAN METODE CURVE ANALOGIES Suciati, Nanik; Fatichah, Chastine; Royani, Faida
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 3, No 1 Januari 2004
Publisher : Jurusan Teknik Informatika ITS, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh N

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

Abstract

Model-model kurva banyak digunakan untuk pembuatan sketsa. Untuk merancang model kurva untuk sketsa tersebut dapat dilakukan dengan berbagai macam cara. Salah satunya adalah menyusun program secara manual dalam membentuk model-model kurva untuk menggambar sketsa yang diinginkan. Pendekatan ini memberi kontrol yang besar ke programmer. Pendekatan lain yaitu mengambil detail kurva yang dimasukkan pengguna. Salah satu metode dalam pendekatan ini adalah dengan mempelajari style-style garis dari contoh - contoh. Pendekatan ini disebut dengan pendekatan curve analogies. Penelitian ini bertujuan untuk menerapkan metode curve analogies dalam membuat editor kurva polyline. Curve Analogies bertujuan membentuk kurva baru dari kurva contoh. Inputan untuk kurva analogies ada 3 macam yaitu dua kurva garis dan satu kurva detil (kurva contoh). Dua kurva garis tersebut adalah kurva inputan dari pengguna dan kurva yang mengikuti kurva detil. Dua kurva garis ini digunakan untuk mencari nilai transformasi. Sedangkan untuk membuat kurva baru dilakukan proses synthesis dengan algoritma synthesis. Algoritma synthesis membentuk kurva baru berdasarkan style dari kurva contoh. Kurva hasil proses synthesis di transformasi sesuai dengan nilai transformasinya. Kurva baru yang dihasilkan harus selalu melalui titik kontrol yang pertama dan terakhir dari kurva garis yang diinputkan penguna. Uji coba perangkat lunak ini dilakukan dengan menjalankan beberapa skenario. Skenario pertama dengan memasukkan satu obyek gambar, kedua memasukkan lebih dari satu obyek gambar, ketiga membuat kurva contoh baru dan yang keempat melakukan sintesa kurva. Dari hasil beberapa skenario tersebut dapat disimpulkan metode curve analogies dapat digunakan untuk membuat editor kurva polyline. Kata kunci: kurva polyline, curve analogies, transformasi
PERANCANGAN FUNGSI RANGKAIAN LOGIKA MELALUI FINITE STATE MACHINE DENGAN MEKANISME BELAJAR DARI CONTOH Purwananto, Yudhi; Fatichah, Chastine; Junaidi, Junaidi
JUTI: Scientific Journal of Information Technology Vol 2, No 1 Januari 2003
Publisher : Teknik Informatika, ITS Surabaya

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

Abstract

Perancangan rangkaian logika secara umum dapat dilakukan dengan metode sebagai berikut : mendefinisikan permasalahan, membentuk diagram keadaan atau tabel keadaan, membentuk tabel kebenaran, membentuk fungsi logika dan menuangkannya dalam rangkaian logika. Penerapan metode tersebut membutuhkan ketelitian dan waktu yang sebanding dengan kompleksitas rangkaian yang dirancang. Karena itu, perlu dibuat sebuah perangkat lunak untuk membantu proses perancangan rangkaian logika, agar proses perancangan dapat dilakukan dengan mudah, cepat, dan dengan ketelitian yang tinggi. Untuk merancang rangkaian logika,dalam penelitian ini diterapkan mekanisme belajar dari contoh, yang memanfaatkan teori-teori otomata dan switching. Penelitian ini mencoba membangun model untuk rangkaian logika yang diinginkan berdasarkan atas contoh input/output dari rangkaian logika yang diinginkan, dengan langkah-langkah : membangun model dari contoh yang diberikan, melakukan modifikasi model (jika diperlukan) berdasarkan atas contoh tambahan yang diberikan, memilih salah satu model sebagai solusi akhir jika diperoleh lebih dari satu model, dan menerjemahkan model ke dalam rangkaian logika. Penelitian ini menghasilkan model untuk rangkaian logika dalam bentuk finite state machine, yang kemudian diterjemahkan menjadi fungsi logika dalam bentuk sum of product. Dari hasil uji coba yang telah dilakukan, untuk setiap contoh yang diberikan, perangkat lunak yang dikembangkan terbukti mampu membentuk minimal sebuah model dan menerjemahkannya menjadi fungsi logika. Namun demikian, tingkat kesesuaian antara model yang dihasilkan dengan yang diharapkan masih tergantung pada kelengkapan contoh yang diberikan. Selain itu, perangkat lunak ini juga mampu membedakan jenis rangkaian logika yang dihasilkan, mampu melakukan modifikasi pada model yang dihasilkan serta mampu menangani contoh-contoh yang inkonsisten.
PERBAIKAN CITRA MENGGUNAKAN EKSTRAPOLASI NONLINEAR PADA DOMAIN FREKUENSI Fatichah, Chastine; Suciati, Nanik; Rosida, Dewi
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 5, No 2 Juli 2006
Publisher : Teknik Informatika, ITS Surabaya

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

Abstract

Perbaikan citra merupakan salah satu proses awal dalam pengolahan citra. Perbaikan citra diperlukan karena seringkali objek citra tersebut memiliki kualitas yang buruk, misal mengalami derau, citra terlalu terang/gelap, citra kurang tajam, kabur dan lain sebagainya Penelitian ini akan menerapkan teknik perbaikan citra terhadap citra kabur dengan menggunakan metode ektrapolasi nonlinear. Mula-mula citra masukan (G0) akan diolah untuk didapatkan citra tepi (L0) yaitu dengan mengalikan G0 dengan gaussian highpass filter. Proses selanjutnya adalah melakukan proses penajaman terhadap citra tepi menggunakan operator nonlinier, yaitu clipping (c) dan scaling (s). Masing-masing nilai variabel c dan s diperoleh dengan melakukan pendekatan menggunakan metode Teoritical Evaluation.  Proses terakhir adalah menambahkan komponen frekuwensi tinggi dari citra tepi hasil perbaikan dengan citra masukan diawal proses.Dari beberapa hasil ujicoba dapat ditarik kesimpulan bahwa algoritma ektrapolasi nonlinear dapat memperbaiki ketajaman pada sebuah citra kabur. Penggunaan ekstrapolasi operator nonlinear menghasilkan perbaikan citra dengan tingkat kejaman lebih tinggi secara visual. Hasil perbaikan terhadap citra kabur yang dihasilkan oleh algoritma nonlinear akan terlihat lebih tajam daripada perbaikan citra hanya dengan mengolah komponen frekuensi tinggi.Kata Kunci : Laplacian Pyramid, Gaussian Pyramid, Deteksi Tepi, Filter Nonlinear, Frekuensi Domain.
Music Emotion Classification based on Lyrics-Audio using Corpus based Emotion Rachman, Fika Hastarita; Sarno, Riyanarto; Fatichah, Chastine
International Journal of Electrical and Computer Engineering (IJECE) Vol 8, No 3: June 2018
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v8i3.pp1720-1730

Abstract

Music has lyrics and audio. That?s components can be a feature for music emotion classification. Lyric features were extracted from text data and audio features were extracted from audio signal data.In the classification of emotions, emotion corpus is required for lyrical feature extraction. Corpus Based Emotion (CBE) succeed to increase the value of F-Measure for emotion classification on text documents. The music document has an unstructured format compared with the article text document. So it requires good preprocessing and conversion process before classification process. We used MIREX Dataset for this research. Psycholinguistic and stylistic features were used as lyrics features. Psycholinguistic feature was a feature that related to the category of emotion. In this research, CBE used to support the extraction process of psycholinguistic feature. Stylistic features related with usage of unique words in the lyrics, e.g. ?ooh?, ?ah?, ?yeah?, etc. Energy, temporal and spectrum features were extracted for audio features.The best test result for music emotion classification was the application of Random Forest methods for lyrics and audio features. The value of F-measure was 56.8%.
OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Alfa, Johan Varian; Soelaiman, Rully; Fatichah, Chastine
Jurnal Ilmiah Mikrotek Vol 1, No 2 (2014): FEBRUARI
Publisher : Universitas Trunojoyo Madura

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

Abstract

Pada permasalahan nyata, khususnya dunia fisika, penyusunan pegas dengan batasan-batasan tertentuyang optimal merupakan salah satu permasalahan optimasi yang muncul, dimana batasan yang diberikanadalah besaran-besaran yang membentuk gaya pegas. Pada penelitian ini, diusulkan sebuah desainalgoritma optimasi penyusunan pegas, yang dimulai dengan memodelkan permasalahan ke dalam graf,kemudian menggunakan metode sistem perbedaan batasan dan juga algoritma jalur terpendek untukmenghasilkan susunan pegas yang optimal. Sistem perbedaan batasan digunakan untuk memodelkanpermasalahan ke dalam bentuk pertidaksamaan. Kemudian dicari penyelesaiannya dengan menggunakankonsep graf yang disebut graf batasan. Penyelesaian akhir yang digunakan agar mendapatkan solusi yangoptimal adalah algoritma jalur terpendek. Algortima jalur terpendek yang digunakan adalah algoritmaPerbaikan Dijkstra. Hasilnya mampu menghasilkan susunan pegas yang optimal dan benar. Dan setelahdiuji coba, algoritma Perbaikan Dijkstra yang digunakan mampu lebih efisien dari segi performa waktueksekusi dibandingkan algoritma Bellman-Ford. Penghematan waktu yang didapat dengan menggunakanalgoritma Perbaikan Dijkstra rata-rata mencapai 83,55%.
PENGENALAN PENY AKIT NODA PADA CITRA DAUN TEBU BERDASARKAN CIRI TEKSTUR FRACTAL DIMENSION CO-OCCURRENCE MATRIX DAN L*a*b* COLOR MOMENTS Ratnasari, Evy Kamilah; Ginardi, Hari; Fatichah, Chastine
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 12, No 2, Juli 2014
Publisher : Teknik Informatika, ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v12i2.a320

Abstract

Penyakit yang menyerang tebu dapat disebabkan oleh bakteri, jamur maupun virus. Penyakit noda merupakan penyakit pada tanaman tebu yang disebabkan oleh jamur dengan menampakkan lesi atau bercak pada permukaan daun. Penyakit noda tersebut dapat menghambat proses fotosintesis yang akan berakibat menurunkan produksi gula karena mempengaruhi pertumbuhan tebu. Upaya pengendalian dini dapat dilakukan dengan mengenali jenis penyakit melalui lesinya yang bermanfaat dalam menentukan tindakan penanganan yang tepat. Lesi yang disebabkan oleh penyakit noda masing-masing dapat dikenali secara visual karena memiliki ciri warna dan tekstur yang unik. Tetapi pengamatan secara visual memiliki beberapa kekurangan seperti subjektifitas dan kurang akurat. Penelitian ini mengusulkan pengenalan penyakit noda tanaman tebu yang terdiri dari noda cincin, noda karat, dan noda kuning berdasarkan fitur tekstur yang merupakan kombinasi dari konsep Gray Level Co-Occurrence Matrix (GLCM) dan dimensi fraktal yang dinamakan Fractal Dimension Co-Occurrence Matrix (FDCM). Sedangkan fitur warna didapatkan dari perhitungan statistik col or moments pada citra L*a*b*. Kombinasi fitur tersebut menghasilkan 12 fitur warna dan 6 fitur tekstur yang kemudian digunakan sebagai masukan klasifikasi k-Nearest Neighbor (KNN). Pengenalan penyakit noda pada tanaman tebu menggunakan metode tersebut dapat menghasilkan akurasi tertinggi 90%.
Co-Authors Abdullah, Moch. Zawaruddin Adityo, R. Dimas Adityo, R. Dimas Afandi, Benny Agung Prasetya Ahmad Hayam Brilian, Ahmad Hayam Anny Yuniarti Ariana Yunita, Ariana Aryo Harto, Aryo Bilqis Amaliah Bintana, Rizqa Raaiqa Daniel Oranova Siahaan Daniel Swanjaya Deni Sutaji, Deni Dewi Rosida Dewi, Sylvi Novita Diana Purwitasari Dini Adni Navastara, Dini Adni Eka Prakarsa Mandyartha Eko Prasetyo Evy Kamilah Ratnasari Fahrur Rozi Faida Royani Faried Effendy, Faried Farosanti, Lafnidita Fatonah, Nenden Siti Febri Liantoni, Febri Fika Hastarita Rachman, Fika Hastarita Ginardi, R.V Hari Handayani Tjandrasa Hari Ginardi hidayat, dwi taufik Husain, Nursuci Putri Imam Artha Kusuma Isye Arieshanti Jayanti Yusmah Sari, Jayanti Yusmah Johan Varian Alfa Junaidi Junaidi Kemalasari, Nurina Indah Lukman Hakim M Rahmat Widyanto M. Rahmat Widyanto Mauridhi Hery Purnomo Mesra, Hendra Mohammad Sholik, Mohammad Mu'alif, Ainul Muhamad, Fachrul Pralienka Bani Muhammad Riduwan Mustika Mentari Mustika Sari, Syah Dia Putri Mutmainnah Muchtar, Mutmainnah Nafi’iyah, Nur Nanik Suciati Nur Hayatin Nurilham, Adhi Pangestu, Budi Putra, Fatra Nonggala R. V. Hari Ginardi, R. V. Hari R.V. Hari Ginardi Raden Venantius Hari Ginardi, Raden Venantius Hari Ratih Kartika Dewi Riyanarto Sarno Rizal A Saputra, Rizal A Rizal Setya Perdana Rizqi, Umy Rully Soelaiman Sahmanbanta Sinulingga Satrio Hadi Wijoyo Shofiya Syidada Siti Mutrofin Siti Rochimah Subali, Made Agus Putra Surya Sumpeno Tuwohingide, Desmin Umi Laili Yuhana Umi Laily Yuhana, Umi Laily Wibowo, Arianto Yudhi Purwananto Yuita Arum Sari Yunan Helmi Mahendra, Yunan Helmi Yuwanda Purnamasari Pasrun, Yuwanda Purnamasari Zuraida, Vit