PERANCANGAN SISTEM PREDIKSI KEMUNGKINAN BANJIR DI DAERAH JAKARTA PUSAT DENGAN LOGIKA FUZZY

PERANCANGAN SISTEM PREDIKSI

KEMUNGKINAN BANJIR DI DAERAH JAKARTA

PUSAT DENGAN LOGIKA FUZZY

Maria Edwardus Herman Tri Rahmanto

Binus University, Jakarta, DKI Jakarta, Indonesia,no telp: 085782082594, email: Jamie_poton@yahoo.com

Chiedryan Dennisleo

Binus University, Jakarta, DKI Jakarta, Indonesia, no telp: 085693358147, email: cuteelak47@yahoo.com

Tri Djoko Wahjono

Dosen Pembimbing

ABSTRAK

Flooding is one of the biggest enemy for most people in Indonesia, especially Jakarta, erratic rainfall cause people can not predict the occurrence of rain. The purpose of this thesis is to design a computer-based applications to see the percentage of occurrence of floods in the Central Jakarta using Fuzzy logic. Application was made to provide information for people who travel frequently using a motor vehicle in the area of Central Jakarta, the application is expected to provide a reasonably accurate information on the percentage of occurrence of floods in Central Jakarta. At the stage of data collection, there are two methods, namely interviews and library research methods. And at the design stage are database design and screen design. While implementing applications using C + +. The results of this design include an application that will display menus to enter data in the desired in predicting the likelihood of flooding in Central Jakarta. Conclusion, the implementation of Fuzzy logic can help predict the likelihood of flooding in the area of Central Jakarta.

Keyword

Banjir adalah salah satu musuh terbesar bagi sebagian besar masyarakat di Indonesia khususnya Jakarta Pusat, curah hujan yang tidak menentu menyebabkan masyarakat tidak bisa memprediksi terjadinya hujan. Tujuan skripsi ini adalah merancang sebuah aplikasi berbasis computer untuk melihat persentase terjadinya banjir di bagian Jakarta Pusat dengan menggunakan logika Fuzzy. Aplikasi tersebut dibuat untuk memberikan informasi untuk orang-orang yang sering berpergian menggunakan kendaraan bermotor di daerah Jakarta Pusat, aplikasi ini diharapkan mampu memberikan informasi yang cukup akurat terhadap persentase terjadinya banjir di Jakarta Pusat. Pada tahap pengumpulan data, terdapat dua metode yaitu metode wawancara dan metode studi pustaka. Dan pada tahap perancangan terdapat perancangan basis data, dan perancangan layar. Sedangkan pengimplementasian aplikasi dengan menggunakan C++. Hasil perancangan ini mencakup aplikasi yang akan menampilkan menu-menu untuk menginput data-data yang di inginkan dalam memprediksikan kemungkinan terjadinya banjir di Jakarta Pusat. Simpulannya, pengimplementasian logika Fuzzy dapat untuk membantu memprediksi kemungkinan banjir di daerah Jakarta Pusat.

Kata Kunci

Prediksi, Banjir, Fuzzy

1

PENDAHULUAN

Latar belakang dari skripsi ini adalah dengna cuaca yang kurang menentu, hujan yang tiba-tiba sangat deras, atau hujan sedang dengan waktu yang cukup lama, atau hujan di semua bagian Indonesia terutama di daerah sekitar Jakarta. Seringkali menyebabkan masyarakat yang ada atau tinggal di Jakarta mengalami banjir secara tiba-tiba. Menurut Sri Kusuma Dewi (2010, p2) logika fuzzy mudah dimengerti. Karena logika fuzzy menggunakan dasar teori himpunan, maka konsep matematis yang mendasari penalaran fuzzy tersebut cukup mudah untuk dimengerti. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahan-perubahan, dan ketidakpastian yang menyertai permasalahan.

Sistem ini akan memprediksikan dari curah hujan, debit air sungai, dan lama terjadinya hujan. Sistem ini akan memberikan informasi kepada masyarakat yang berada di daerah Jakarta Pusat persentase akan terjadinya banjir sehingga masyarakat dapat bersiap-siap untuk menghadapi banjir.

Ruang lingkup dari skripsi ini adalah curah hujan di daerah Jakarta Pusat, debit air sungai di daerah Jakarta Pusat, menggunakan logika Fuzzy dalam implementasinya, menggunakan C++ untuk implementasi aplikasi.

Tujuan dari adanya pembuatan aplikasi ini adalah merancang aplikasi yang dapat memprediksikan kemungkinan terjadinya banjir di daerah Jakarta Pusat serta mengimplementasikan Logika Fuzzy pada aplikasi prediksi banjir di daerah Jakarta Pusat. Serta manfaat dari pembuatan system ini adalah masyarakat dapat mempersiapkan diri sebelum

terjadinya banjir, menambah wawasan mengenai logika fuzzy dan cara mengimplementasikan dalam aplikasi yang dikembangkan, dan dapat digunakan untuk referensi

2

METODOLOGI

Dalam pembuatan skripsi ini, penulis menggunakan 2 tahap penelitian:

a. Tahap Pengumpulan Data

Metode pengumpulan data yang penulis gunakan untuk membuat skripsi ini adalah:

1. Metode Studi Pustaka

Pengumpulan data dengan mencari sumber-sumber informasi baik dari buku-buku,

maupun sumber-sumber dari internet yang berkaitan dengan skripsi ini.

2. Metode Wawancara

Wawancara dilakukan dengan Bapak Rd. Nursyamsi Kurnia Utama,ST selaku pakar

pada bidang ini untuk mendapatkan gambaran dan pemahaman mengenai kebutuhan

skripsi ini

b. Tahap Perancangan Aplikasi

Dalam pengembangan piranti lunak di butuhkan tahapan-tahapan pengembangan

yang sesuai dengan sistem yang pada umumnya digunakan yang disebut SDLC (System

Development Life Cycle).

Pembuatan solusi yang tepat harus melibatkan pihak pengembang perangkat

lunak terkait agar didapatkan suatu solusi yang tepat. Pada saat ini telah dikenal beberapa

model pengembangan sistem, antara lain waterfall, prototyping, spiral, incremental, dan

fourth generation techniques.

Penulis menggunakan model waterfall karena merupakan salah satu model

dan bersifat linier. Model tersebut memerlukan pendekatan yang sistematis dan

sekuensial dalam pengembangan sistem perangkat lunak.

Tahap-tahap pada model waterfall:

1. Rekayasa Sistem

Rekayasa sistem yaitu menentukan kebutuhan sistem secara keseluruhan, antara lain

dengan menentukan komponen-komponen sistem, atribut komponen, dan hubungan

antar komponen.

2. Analisis Sistem

Analisis sistem yaitu mencari dan menentukan criteria aplikasi yang tepat untuk

memenuhi kebutuhan sistem

3. Desain Sistem

Desain sistem yaitu mendefinisikan hasil analisis dengan merancang modul aplikasi

perancangan yang dilakukan pada tiga bagian, yaitu struktur data, Entity Relationship

Diagram (ERD) dan kamus data.

4. Pemrograman

Pemrograman merupakan pengimplementasian rancangan atau desain dengan

menuliskan kode program sesuai dengan bahasa yang dipilih.

5. Uji Coba

Uji Coba yaitu melakukan pengujian program aplikasiyang telah selesai dibuat

dengan memperhatikan konsep logika untuk mengetahui kinerja aplikasi apakah

sesuai dengan kebutuhan sistem dan melakukan pencegahan terjadinya kesalahan

6. Pemeliharaan

Pemeliharaan memungkinkan terjadinya perubahan data, lingkungan sistem, dan

kebutuhan penggunaan agar aplikasi tetap dapat dikembangkan sesuai perubahan

yang terjadi.

3

HASIL DAN BAHASAN

Analisa permasalahannya adalah Sistem pendeteksi banjir yang ada saat ini masih kurang

mampu memberikan informasi khususnya bagi masyarakat awam.

Sistem tersebut hanya berupa bentuk data yang membutuhkan pembacaan oleh seorang

ahli sehingga masyarakat awam akan cukup sulit untuk memahami informasi yang diberikan

oleh sistem tersebut sehingga kadang terjadinya kesalahpahaman informasi oleh masyarakat

awam.

Kelebihan dari sistem yang sudah ada adalah mampu memberikan informasi detail

kepada para ahli. Namun kekurangan dari sistem ini adalah kurang dapat dimengerti oleh

masyarakat awam, sehingga masyarakat awam tidak mampu untuk memahami informasi yang

digambarkan oleh sistem tersebut.

Oleh karena itu, diperlukan sebuah sistem baru yang dapat memberikan informasi yang

mampu memberikan informasi yang lebih dapat dimengerti oleh masyarakat yang ingin

mengetahui kemungkinan atau persentase terjadinya banjir di daerah Jakarta Pusat.

Usulan Pemecahan masalah dari skripsi ini adalah Berdasarkan hasil analisis sistem di

atas, maka akan dirancang sebuah aplikasi yang menyediakan informasi persentase terjadinya

Flowchart proses prediksi kemungkinan banjir dapat dilihat di bawah ini.

flowchart dari algoritma perhitungan persentase akan terjadinya banjir. Penjelasan algoritma

tersebut adalah:

a. Aplikasi dibuka dan kemudian meminta input, input tersebut memasuki proses menjadi

term fuzzifikasi

b. Term fuzzifikasi tersebut digunakan oleh rule didalam perhitungan data untuk

menghasilkan daerah yang kemudian akan melalui proses defuzzifikasi.

c. Proses defuzzifikasi selesai maka akan menampilkan messages box persentase

Pada proses input user akan memasukan variable curah hujan, lama hujan, serta debit

sungai. Hasil wawancara dengan pakar yaitu pegawai menurut perhitungan BMKG mengenai

curah hujan, lama hujan, dan debit sungai. Hasil survei itu yang digunakan sebagai rule dari

logika fuzzy yang digunakan dan dapat disimpulkan sebagai berikut:

• Curah Hujan 0-25mm gerimis 25-75mm hujan sedang 76-100mm deras • Lama Hujan 0-30menit sebentar

30-60menit cukup lama

60-90menit lama

90-120menit lama sekali

• Debit Sungai

0-4m3/s rendah

5-7m3/s sedang

8-10m3/s tinggi

Fungsi implikasi untuk setiap aturan. Karena menggunakan Metode MAMDANI, maka

fungsi implikasi yang digunakan adalah fungsi MIN.

[R1] IF deras AND lamasekali AND tinggi

THEN banjirbesar

α-predikat1 = µDERAS ∩ µ LAMASEKALI ∩ µTINGGI

[R2] IF deras AND lamasekali AND sedang

THEN banjirbesar

α-predikat2 = µDERAS ∩ µ LAMASEKALI ∩ µSEDANG

= min(µDERAS[ ], µLAMASEKALI[ ], µSEDANG[ ])

[R3] IF deras AND lamasekali AND rendah

THEN banjir

α-predikat3 = µDERAS ∩ µ LAMASEKALI ∩ µRENDAH

= min(µDERAS[ ], µLAMASEKALI[ ], µRENDAH[ ])

[R4] IF deras AND lama AND tinggi

THEN banjirbesar

α-predikat4 = µDERAS ∩ µ LAMA ∩ µTINGGI

= min(µDERAS[ ], µLAMA[ ], µTINGGI[ ])

[R5] IF deras AND lama AND sedang

THEN banjirbesar

α-predikat5 = µDERAS ∩ µ LAMA ∩ µSEDANG

= min(µDERAS[ ], µLAMA [ ], µSEDANG[ ])

[R6] IF deras AND lama AND rendah

THEN banjir

α-predikat6 = µDERAS ∩ µ LAMA ∩ µRENDAH

[R7] IF deras AND cukuplama AND tinggi

THEN banjirbesar

α-predikat7 = µDERAS ∩ µCUKUPLAMA ∩ µTINGGI

= min(µDERAS[ ], µCUKUPLAMA[ ], µTINGGI[ ])

[R8] IF deras AND cukuplama AND sedang

THEN banjir

α-predikat8 = µDERAS ∩ µCUKUPLAMA ∩ µSEDANG

= min(µDERAS[ ], µCUKUPLAMA[ ], µSEDANG[ ])

[R9] IF deras AND cukuplama AND rendah

THEN banjir

α-predikat9 = µDERAS ∩ µCUKUPLAMA ∩ µRENDAH

= min(µDERAS[ ], µCUKUPLAMA[ ], µRENDAH[ ])

[R10] IF deras AND sebentar AND tinggi

THEN banjirbesar

α-predikat10 = µDERAS ∩ µSEBENTAR ∩ µTINGGI

[R11] IF deras AND sebentar AND sedang

THEN banjir

α-predikat11 = µDERAS ∩ µSEBENTAR ∩ µSEDANG

= min(µDERAS[ ], µSEBENTAR[ ], µSEDANG[ ])

[R12] IF deras AND sebentar AND rendah

THEN tidakbanjir

α-predikat12 = µDERAS ∩ µSEBENTAR ∩ µRENDAH

= min(µDERAS[ ], µSEBENTAR[ ], µRENDAH[ ])

[R13] IF sedang AND lamasekali AND tinggi

THEN banjirbesar

α-predikat13 = µSEDANG ∩ µ LAMASEKALI ∩ µTINGGI

= min(µSEDANG[ ], µLAMASEKALI[ ], µTINGGI[ ])

[R14] IF sedang AND lamasekali AND sedang

THEN banjirbesar

α-predikat14 = µSEDANG ∩ µ LAMASEKALI ∩ µSEDANG

[R15] IF sedang AND lamasekali AND rendah

THEN tidakbanjir

α-predikat15 = µSEDANG ∩ µ LAMASEKALI ∩ µRENDAH

= min(µSEDANG[ ], µLAMASEKALI[ ], µRENDAH[ ])

[R16] IF sedang AND lama AND tinggi

THEN banjirbesar

α-predikat16 = µSEDANG ∩ µ LAMA ∩ µTINGGI

= min(µSEDANG[ ], µLAMA [ ], µTINGGI[ ])

[R17] IF sedang AND lama AND sedang

THEN banjir

α-predikat17 = µSEDANG ∩ µ LAMA ∩ µSEDANG

= min(µSEDANG[ ], µLAMA [ ], µSEDANG[ ])

[R18] IF sedang AND lama AND rendah

THEN banjir

α-predikat18 = µSEDANG ∩ µ LAMA ∩ µRENDAH

[R19] IF sedang AND cukuplama AND tinggi

THEN banjir

α-predikat19 = µSEDANG ∩ µCUKUPLAMA ∩ µTINGGI

= min(µSEDANG[ ], µCUKUPLAMA[ ], µTINGGI[ ])

[R20] IF sedang AND cukuplama AND sedang

THEN tidakbanjir

α-predikat20 = µSEDANG ∩ µCUKUPLAMA ∩ µSEDANG

= min(µSEDANG[ ], µCUKUPLAMA[ ], µSEDANG[ ])

[R21] IF sedang AND cukuplama AND rendah

THEN tidakbanjir

α-predikat21 = µSEDANG ∩ µCUKUPLAMA ∩ µRENDAH

= min(µSEDANG[ ], µCUKUPLAMA[ ], µRENDAH[ ])

[R22] IF sedang AND sebentar AND tinggi

THEN banjir

α-predikat22 = µSEDANG ∩ µSEBENTAR ∩ µTINGGI

[R23] IF sedang AND sebentar AND sedang

THEN tidakbanjir

α-predikat23 = µSEDANG ∩ µSEBENTAR ∩ µSEDANG

= min(µSEDANG[ ], µSEBENTAR[ ], µSEDANG[ ])

[R24] IF sedang AND sebentar AND rendah

THEN tidakbanjir

α-predikat24 = µSEDANG ∩ µSEBENTAR ∩ µRENDAH

= min(µSEDANG[ ], µSEBENTAR[ ], µRENDAH[ ])

[R25] IF gerimis AND lamasekali AND tinggi

THEN banjir

α-predikat25 = µGERIMIS ∩ µ LAMASEKALI ∩ µTINGGI

= min(µGERIMIS[ ], µLAMASEKALI[ ], µTINGGI[ ])

[R26] IF gerimis AND lamasekali AND sedang

THEN tidakbanjir

α-predikat26 = µGERIMIS ∩ µ LAMASEKALI ∩ µSEDANG

[R27] IF gerimis AND lamasekali AND rendah

THEN tidakbanjir

α-predikat27 = µGERIMIS ∩ µ LAMASEKALI ∩ µRENDAH

= min(µGERIMIS[ ], µLAMASEKALI[ ], µRENDAH[ ])

[R28] IF gerimis AND lama AND tinggi

THEN banjir

α-predikat28 = µGERIMIS ∩ µ LAMA ∩ µTINGGI

= min(µGERIMIS[ ], µLAMA [ ], µTINGGI[ ])

[R29] IF gerimis AND lama AND sedang

THEN tidakbanjir

α-predikat29 = µGERIMIS ∩ µ LAMA ∩ µSEDANG

= min(µGERIMIS[ ], µLAMASEKALI[ ], µSEDANG[ ])

[R30] IF gerimis AND lama AND rendah

THEN tidakbanjir

α-predikat30 = µGERIMIS ∩ µ LAMA ∩ µRENDAH

[R31] IF gerimis AND cukuplama AND tinggi

THEN tidakbanjir

α-predikat31 = µGERIMIS ∩ µCUKUPLAMA ∩ µTINGGI

= min(µGERIMIS[ ], µCUKUPLAMA [ ], µTINGGI[ ])

[R32] IF gerimis AND cukuplama AND sedang

THEN tidakbanjir

α-predikat32 = µGERIMIS ∩ µCUKUPLAMA ∩ µSEDANG

= min(µGERIMIS[ ], µCUKUPLAMA [ ], µSEDANG[ ])

[R33] IF gerimis AND cukuplama AND rendah

THEN tidakbanjir

α-predikat33 = µGERIMIS ∩ µCUKUPLAMA ∩ µRENDAH

= min(µGERIMIS[ ], µCUKUPLAMA [ ], µRENDAH[ ])

[R34] IF gerimis AND sebentar AND tinggi

THEN banjir

α-predikat34 = µGERIMIS ∩ µSEBENTAR ∩ µTINGGI

[R35] IF gerimis AND sebentar AND sedang

THEN tidakbanjir

α-predikat35 = µGERIMIS ∩ µSEBENTAR ∩ µSEDANG

= min(µGERIMIS[ ], µSEBENTAR [ ], µSEDANG[ ])

[R36] IF gerimis AND sebentar AND rendah

THEN tidakbanjir

α-predikat30 = µGERIMIS ∩ µSEBENTAR ∩ µRENDAH

= min(µGERIMIS[ ], µSEBENTAR [ ], µRENDAH[ ])

Di dalam Sistem Inference Fuzzy dapat diketahui langkah-langkah untuk mendapatkan hasil

akhir dari program. Contoh Kasus: diketahui inputan Curah Hujan = 20, Debit Sungai = 4, Lama

Hujan = 60.

• Representasi Kurva

Curah Hujan 20 = GERIMIS[20] = (25-20)/(25-10)

= 0,34

Debit Sungai 4 = RENDAH[4] = (5-4)/(5-3)

= 0,5

Lama Hujan 60 = LAMA[60] = (60-50)/(65-50)

• Fungsi Implikasi

Pada Metode Mamdani fungsi yang digunakan adalah MIN

[R30] IF gerimis AND rendah AND lama

THEN tidakbanjir

α-predikat1 = µGERIMIS ∩ µ LAMA ∩ µRENDAH

= min(µGERIMIS[20], µLAMA [60], µRENDAH[4])

= min(0,34 ; 0,67 ; 0,5)

= 0,34

[R33] IF gerimis AND rendah AND cukuplama

THEN tidakbanjir

α-predikat2 = µGERIMIS ∩ µCUKUPLAMA ∩ µRENDAH

= min(µGERIMIS[20], µCUKUPLAMA [60], µRENDAH[4])

= min(0,34 ; 0 ; 0,5)

• Komposisi Antar Aturan

Dari hasil aplikasi fungsi implikasi dari tiap aturan, Metode MAMDANI pada umumnya

digunakan metode MAX untuk melakukan komposisi antar semua aturan.

Gambar 4.1 Daerah Hasil

(a – 0)/100 = 0,34 - - - > a = 34

µ[z] = { 0,34; z ≤ 34}

• Penegasan (Defuzzifikasi)

Metode penegasan yang akan digunakan adalah metode centroid. Untuk itu

menghitung dahulu momen untuk daerah tersebut

M= = _196,52

Luas Daerah:

Titik Pusat yang diperoleh:

z = = 17

Prosedur penggunaan, sistem aplikasi ini dibuat menggunakan bahasa pemograman C++

dengan penambahan librari FFLLAPI.h. Aplikasi ini ditujukan untuk device yang menggunakan

sistem operasi Windows XP atau Windows 7. Untuk menjalankan aplikasi ini user hanya perlu

menginstalasi atau menyalin aplikasi ini yang ada dalam bentuk .exe ke dalam PC atau Personal

Computer. Setelah instalasi atau penyalinan data sukses maka akan muncul icon sistem aplikasi

prediksi banjir pada PC baik di desktop atau dimana, tergantung user atau pengguna

menempatkannya dimana.

Gambar Menjalankan aplikasi Sistem Prediksi Banjir

Gambar 4.2 menampilkan halaman desktop pada device yang berupa PC setelah dilakukan

instalasi aplikasi Sistem Prediksi Banjir. Ketika icon diklik 2 kali, maka aplikasi akan berjalan.

4

SIMPULAN DAN SARAN

Simpulan dari skripsi ini dari pengamatan dan implementasi program yang dilakukan,

penulis menyimpulkan, aplikasi ini dapat memprediksi terjadinya banjir di daerah Jakarta Pusat

serta aplikasi ini mengimplikasikan logika Fuzzy yang dapat membantu memprediksi

Saran yang kami dapatkan dari hasil pengerjaan skripsi ini adalah dengan perkembangan

yang ada pada saat ini, sebaiknya dapat mengembangkan aplikasi ini melalui device mobile dan

masih perlu banyaknya tahap pengembangan agar semakin bisa menjadi sebuah aplikasi yang

akan sangat berguna bagi masyarakat. Diharapkan ada yang bisa mampu untuk menyempurnakan

aplikasi yang akan terus berguna untuk masyarakat untuk masa depan.

5

DAFTAR PUSTAKA

Peraturan Kepala Badan Meteorologi dan Geofisika tentang Tata Cara Tetap Pelaksanaan Pengamatan dan Pelaporan Data Hidrometeorologi, SK.37/KT.104/KB/BMG-06 (2006).

Aisjah, & S, A. (2012). Aplikasi Sistem Logika Fuzzy Pada Peramalan Cuaca Di Indonesia Studi Kasus: Cuaca Kota Surabaya.

Aisyah, Siti, A., A, I., Lelono, & Bambang. (2012). Prediktor Cuaca Berbasis Logika Fuzzy Untuk Kebutuhan Penerbangan Di Bandara Juanda Surabaya.

Badan Meteorologi, Klimatologi, dan Geofisika | BMKG. (n.d.). Retrieved May 12, 2012, from

BMKG: http://www.bmkg.go.id/BMKG_Pusat/Depan.bmkg

Connolly, T. M., & Begg, C. E. (2010). Database System A Pratical Approach to Design,

Implementation, and Management Fifth Edition. Boston: Pearson Education International.

Fitriyah, & Hurriyatul. (2009). Prediksi Hujan Di Surabaya Dengan Pendekatan Logika Fuzzy.

Kementerian Pekerjaan Umum | Republik Indonesia [PU Net]. (n.d.). Retrieved May 15, 2012,

from PU-net: http://www.pu.go.id/

Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan

Edisi 2. Yogyakarta: Graha Ilmu.

Pressman, R. S. (2008). Software Engineering A Practitioner's Approach Seventh Edition. New York: Mc Graw Hill.

Raghunath, H. M. (2006). Hydrology Principles Analysis Design Revised Second Edition. New Delhi: New Age International.

Shneiderman, B., & Plaisant, C. (2010). Designing the User Interface Strategies for Effective

Sri Kusumadewi, (2003). Artificial Intelligence (Teknik dan Aplikasinya), edisi pertama. Penerbit Graha Ilmu, Jakarta.

Whitten, J. L., & Bentley, L. D. (2007). System Analysis and Design Methods Seventh Edition. New York: Mc Graw Hill.

Yusuf, Y. (2005). Anatomi Banjir Kota Pantai Perspektif Geografi. Surakarta: Pustaka Cakrta

Surakarta.

6

RIWAYAT PENULIS

Maria Edwardus Herman Tri Rahmanto lahir di kota Semarang pada 17 November 1988.

Menamatkan Pendidikan S1 di Bina Nusantara dalam bidang Teknik Informatika pada tahun

2012. Chiedryan Dennisleo lahir di kota Tangerang pada 9 Agustus 1990. Menamatkan