Article Per Year (5 Year)
p-Index From 2021 - 2026
6.615
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Informatika Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Prosiding SNATIF Infotech Journal Jurnal Pendidikan Informatika dan Sains Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) IKRA-ITH Informatika : Jurnal Komputer dan Informatika JURIKOM (Jurnal Riset Komputer) JUMANJI (Jurnal Masyarakat Informatika Unjani) Jurnal Informasi dan Komputer SEINASI-KESI Jurnal Cendikia JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal ICT : Information Communication & Technology Building of Informatics, Technology and Science Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan JUTIS : Jurnal Teknik Informatika SENSITEK Jurnal Informatika dan Rekayasa Elektronik JATI (Jurnal Mahasiswa Teknik Informatika) Abdi Masyarakat Tematik : Jurnal Teknologi Informasi Komunikasi Journal of Applied Computer Science and Technology (JACOST) Jurnal Ilmiah Wahana Pendidikan Journal La Multiapp International Journal Software Engineering and Computer Science (IJSECS) Istech Journal (International Science And Technology Journal) Batara Wisnu : Indonesian Journal of Community Services Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Locus Penelitian dan Pengabdian Jurnal Informatika Teknologi dan Sains (Jinteks) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Algoritma Electrician : Jurnal Rekayasa dan Teknologi Elektro IJESPG (International Journal of Engineering, Economic, Social Politic and Government) journal Jurnal Ilmu Komputer, Sistem Informasi, Teknik Informatika (JILKOMSITI) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Journal Of Informatics And Busisnes International Journal of Electrical, Computer, and Biomedical Engineering (IJECBE) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Jurnal Komputasi
Komarudin, Agus
Universitas Jenderal Achmad Yani
Religion Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Transportation Other

Published : 96 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 96 Documents
Search

 6   7   8   9   10 
Klasifikasi Penilaian Pinjaman Agunan pada PT KB Finansia Multi Finance menggunakan Metode Random Forest Hanif Abdul Aziz, Nabil; Krishna Putra, Eddie; Komarudin, Agus
JURNAL TEKNIK INFORMATIKA UNIS Vol. 12 No. 2 (2024): Jutis (Jurnal Teknik Informatika)
Publisher : Universitas Islam Syekh Yusuf

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33592/jutis.v12i2.5153

Abstract

Dalam dunia perbankan, terdapat tawaran kepada nasabah berupa pinjaman dengan syarat agunan, seperti rumah, tanah, atau kendaraan sebagai jaminan. Proses ini bertujuan untuk mengurangi risiko kredit bagi bank, karena jika nasabah gagal membayar, bank dapat mengambil dan menjual agunan untuk menutup kerugian. Penelitian ini bertujuan untuk menganalisis efektivitas kebijakan pinjaman dengan agunan di sektor perbankan serta dampaknya terhadap tingkat risiko kredit dan kepuasan nasabah. Dengan menggunakan metode data mining dan teknik klasifikasi Random Forest, studi ini akan mengevaluasi pola pembayaran nasabah, tingkat keberhasilan pengembalian pinjaman, dan elemen-elemen yang mempengaruhi pilihan nasabah dalam memanfaatkan layanan pinjaman dengan jaminan. Penelitian ini juga mempertimbangkan ketidakseimbangan data dengan menerapkan Teknik Oversampling, seperti Random Over Sampling untuk meningkatkan jumlah sampel pada kelas minoritas sehingga menjadi seimbang dengan kelas mayoritas. Hasil penelitian akan membandingkan efektivitas kedua teknik tersebut dalam memperbaiki ketepatan prediksi. Hasil penelitian ini diharapkan dapat memberikan wawasan bagi bank untuk mengoptimalkan kebijakan pinjaman mereka, meningkatkan manajemen risiko, dan menawarkan produk pinjaman yang lebih sesuai dengan kebutuhan nasabah.
Desain Game Edukasi Sejarah Bandung Lautan Api untuk Pelajar SMP Menggunakan Mechanics Dynamics Aesthetics (MDA) Kurniawan, Alexander Tommy; Yuniarti, Rezki; Komarudin, Agus
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 7 No 1 (2023): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v7i1.268

Abstract

Perkembangan teknologi mengakibatkan banyak perubahan pada kehidupan, salah satunya mata pelajaran sejarah yang menggunakan metode daring dalam pengajarannya yang menimbulkan banyak permasalahan karena perubahan metode pengajaran yang berubah. Diperlukan sebuah metode pengajaran yang sifatnya fleksibel dapat dimainkan siswa ketika waktu luang dan serta menyenangkan serta edukatif seperti game edukasi. Namun dalam pengembangan game perlu sebuah desain dari game tersebut dari hal itu terdapat Mechanics, Dynamics, Aesthetics(MDA) sebagai framework yang dapat menjebatani maksud dari pembuatan game dan juga desain dari game, karena dari itu perlu dibuatnya game edukasi sejarah yang sesuai dengan penelitian ini. Hasil dari penelitian ini dilakukan evaluasi terhadap 31 orang responden dengan sebaran siswa/siswi SMP dengan rentang umur 11 hingga 16 tahun .Dengan menguji 16 pertanyaan yang diuji seputar komponen MDA setelah game dimainkan dengan menggunakan pearson product moment dan Cronchbach Alpha mendapatkan nilai valid dan relaibel, nilai pada aspek narrative untuk penceritaan sejarah dengan kriteria sesuai, serta aspek sensation untuk emosi yang menghasilkan kriteria sangat sesuai.
DETEKSI PENYAKIT DIABETES, KATARAK DAN GLAUKOMA PADA CITRA FUNDUS RETINA MATA MANUSIA MENGGUNAKAN CNN DENGAN ARSITEKTUR ALEXNET Mulyasari, Cicik Rafka; Hadiana, Asep Id; Komarudin, Agus
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.341

Abstract

Penglihatan merupakan salah satu indera yang sangat penting bagi manusia. Jika terjadi kelainan atau penyakit pada mata, dapat berdampak serius, seperti diabetes yang dapat menyerang bola mata, katarak, dan glaukoma. Karena itu, menjaga kesehatan mata harus menjadi prioritas sehari-hari. Sayangnya, fasilitas medis terbatas di pusat kesehatan dan rumah sakit, serta kurangnya jumlah dokter mata yang mampu melakukan pemeriksaan dan operasi mata, menjadikan pengobatan penyakit mata menjadi sulit. Namun, seiring dengan pesatnya perkembangan teknologi, bidang kedokteran juga mengadopsi teknologi untuk meningkatkan pelayanan kepada masyarakat secara luas. Keterbatasan waktu yang dialami oleh dokter-dokter tersebut telah mendorong penggunaan sistem pakar dalam membantu diagnosis berbagai penyakit. Untuk mengatasi masalah dalam diagnosis penyakit diabetes, katarak, dan glaukoma, telah dikembangkan beberapa solusi. Salah satunya adalah dengan menggunakan metode pengolahan citra bola mata dan bahasa pemrograman untuk menciptakan perangkat lunak yang dapat melakukan diagnosis dan klasifikasi yang akurat terhadap keempat jenis penyakit tersebut. Dalam hal ini, metode yang digunakan adalah convolutional neural network (CNN). Sistem dirancang menggunakan metodologi CNN dengan arsitektur Alexnet berdasarkan gambar bola mata. Masukkan kumpulan data gambar yang diwarisi dari Kaggle yang disebut "Klasifikasi Penyakit Mata" dan gunakan total 4.217 gambar, 75% di antaranya adalah data latih dan 25% adalah gambar data uji. Pada penelitian ini, hasil terbaik untuk setiap skenario pengujian adalah presisi 87%, presisi 88%, recall 88%, skor f1 88% dan loss 0,48.
Perbandingan Kinerja Multifactor Evaluation Process (MFEP) dengan Analytic Hierarchy Process (AHP) dalam menentukan mutasi karyawan (Studi Kasus pada PT Sumber Alfaria Trijaya, Tbk Departement Information Technology) Komarudin, Agus; Sari, Reni Permata; Hafiz, Aliy
Electrician : Jurnal Rekayasa dan Teknologi Elektro Vol. 15 No. 2 (2021)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/elc.v15n2.2171

Abstract

Perkembangan dari sistem pengambilan keputusan saat ini terus meningkat, pada penelitian sebelumnya penulis hanya menggunakan salah satu metode, upaya meningkatkan kinerja dan pelaksanaan tugas bagi karyawan, dalam meningkatkan motivasi bagi karyawan, salah satu cara yang ditempuh dalam langkah nyata adalah mutasi karyawan sesuai dengan kriteria yang telah ditentukan antara lain absensi, mengisi joblist, kunjungan sesuai RPIT, disiplin, kerjasama team, inovasi, dan kominmen terhadap perusahaan dimana penulis akan menggunakan dua metode sistem pengambilan keputusan untuk mendapatkan perbandingan. Pada PT Sumber Alfaria Trijaya, Tbk Departement IT terbagi menjadi 2 Divisi, yaitu IT Office Support dan IT Store Support, IT Office Support bertugas memonitor dan maintenance semua aplikasi yang berjalan di Office serta DC, sedangkan IT Store Support bertugas memonitor dan maintenance semua aplikasi yang berjalan di Store/Toko. Pada tahun 2016 Manager dituntut oleh manajemen untuk mengurangi staff IT, baik pada IT Office Support maupun IT Store Support. IT Store Support 9 orang, IT Office Support 4 orang. Berdasarkan peraturan baru IT Store Support membutuhkan karyawan berdasarkan rasio 1:50 yaitu 1 orang 50 toko, jumlah toko saat ini 260 toko, jadi 260/50 = 5,2 jadi seharusnya hanya 5-6 orang untuk jumlah IT Store Support. Sedangkan IT Office Support Shift kerja dengan 3 Shift membutuhkan minimal 5 orang. Manager harus menentukan karyawan dengan jabatan IT Store Support akan di Mutasi 2 orang dan 1 orang pindah Divisi. Beberapa metode yang digunakan dalam SPK diantaranya adalah metode Multi Factor Evalution Process (MFEP) dan Analytic Hierarchy Process (AHP). Dengan adanya dua metode tersebut penulis ingin mengetahui metode manakah yang cocok untuk menentukan Mutasi Karyawan.
SISTEM INFORMASI PENGOLAHAN NILAI ONLINE MENGGUNAKAN PHP DAN MYSQL PADA SMK BHIMA SAKTI WAY JEPARA Nuari Anisa Sivi; Hartono, Rudi; Agus Komarudin
Electrician : Jurnal Rekayasa dan Teknologi Elektro Vol. 15 No. 3 (2021)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/elc.v15n3.2190

Abstract

Dalam pengolahan nilai di SMK Bhima Sakti Way Jepara saat ini masih bersifat manual, sehingga banyak waktu dan tenaga diperlukan untuk melakukan tugas tersebut. Tujuan dari tugas ini adalah mengembangkan aplikasi pengolahan nilai bersifat komputerisasi. Upaya dalam pengolahan data dan informasi akan berhasil dengan perubahan yang lebih baik pada sistem yang ada. Aplikasi pengolahan nilai online SMK Bhima Sakti Way Jepara adalah aplikasi yang menangani pengolahan nilai mata pelajaran yang didapatkan para siswa. Pengolahan nilai ini meliputi penilaian tugas, ujian tengah semester, dan ujian akhir semester. Dalam aplikasi ini juga terdapat pendataan yang diperlukan dalam pengolahan nilai yaitu pendataan siswa, guru, mata pelajaran, kelas. Selain itu, sebagai sistem yang berbasis web dan online, sistem ini dapat diakses kapanpun dan dimanapun secara online menggunakan akses internet. Sehingga infomasi yang disampaikan tanpa batas wilayah dan waktu. Aplikasi ini dikembangkan dengan menggunakan bahasa pemrograman PHP (Personal Home Page) dan database MySQL yang dapat digunakan dalam berbagai macam sistem operasi komputer maupun telepon seluler.
Sistem Rekomendasi Film Menggunakan Data User-End dan Knowledge Graph Convolutional Network pada Dataset MovieLens 1 M Yanuar, Muhammad Rizki; Umbara, Fajri Rakhmat; -, Agus Komarudin
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 4 (2025): Agustus 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i4.8772

Abstract

Traditional recommendation systems such as Collaborative Filtering and Content-Based Filtering often fail to provide relevant recommendations due to their limitations in handling sparsity and cold-start problems. This study proposes a Knowledge Graph Convolutional Network (KGCN) model enriched with user demographic data from the MovieLens 1M dataset to address these issues. The primary focus of the research is to demonstrate that the Importance Sampling technique is significantly superior to Uniform Sampling in effectively training the model. After hyperparameter tuning, the optimal model configuration achieved peak performance with an AUC score of 0.8798 and NDCG@10 of 0.9719. These results demonstrate that the proposed approach is effective in building an accurate, personalised recommendation system capable of addressing sparsity and cold-start issues.
Prediksi Kinerja Akademik Siswa Bimbingan Belajar Menggunakan Algoritma Extreme Gradient Boosting (XGBoost) Alfarizi, Muhammad Bayu Ardi; Witanti, Wina; Komarudin, Agus
Building of Informatics, Technology and Science (BITS) Vol 7 No 1 (2025): June (2025)
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i1.7387

Abstract

Improving the quality of education has become a primary focus in addressing the increasingly complex challenges of the educational landscape. One promising approach to support data-driven decision-making is the prediction of students' academic performance using machine learning algorithms. This study aims to develop a classification model for predicting students' academic performance by leveraging the Extreme Gradient Boosting (XGBoost) algorithm. The dataset used was obtained from SMPN 1 Gunung Halu and includes both academic and non-academic attributes of students. Five key features were selected: initial grades, midterm grades, final grades, student behavior, and attendance. Data preprocessing involved feature selection, handling missing values, transforming categorical variables using label encoding, and balancing the classes using the SMOTE method. The XGBoost model was then trained using an 80:20 data split and hyperparameter tuning was performed using Grid Search. Evaluation results showed that the model achieved an accuracy of 84% with balanced F1-scores across all classes. The model outperformed other algorithms such as Bagging and Random Forest. With its strong accuracy and stability, the XGBoost model has the potential to serve as a tool for identifying students who require academic intervention. This study makes a significant contribution to the development of AI-based education systems and provides a foundation for the application of machine learning in improving the quality of secondary-level learning.
Prediksi Penyakit Kanker Payudara Menggunakan Algoritma Synthetic Minority Oversampling Technique dan Categorical Boosting Classifier Mandala, Muhamad Bintang; Witanti, Wina; Komarudin, Agus
Building of Informatics, Technology and Science (BITS) Vol 7 No 1 (2025): June (2025)
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i1.7403

Abstract

Breast cancer remains one of the leading causes of mortality worldwide, with high prevalence rates among women in Indonesia. Accurate and efficient diagnostic models are essential to support early detection and reduce mortality. This study aims to develop a predictive model for breast cancer classification using the CatBoost algorithm, a gradient boosting method known for its ability to natively handle categorical features and reduce overfitting through ordered boosting. The dataset used consists of diagnostic features of breast tumors, which were preprocessed by checking completeness and transforming numerical attributes into categorical bins to capture value distribution more effectively. To address class imbalance between benign and malignant cases, the SMOTE (Synthetic Minority Over-sampling Technique) method was applied, resulting in a balanced training set. Optimal hyperparameters for the CatBoost model were obtained using Bayesian optimization, with key parameters including depth, learning rate, and L2 regularization. The model was then trained and evaluated using recall, accuracy, and F1-score metrics, with a confusion matrix used to assess prediction quality. The results demonstrate that CatBoost achieved high performance with a recall of 1,0, accuracy of 98,6%, and F1-score of 0,99, outperforming or matching other benchmark models such as SVM, Neural Network, and XGBoost. These findings highlight the reliability and effectiveness of CatBoost in supporting medical decision-making for breast cancer diagnosis.
Sistem Monitoring Tanaman Paprika di Greenhouse Menggunakan Internet of Things Al Farisi, Muhammad Farid; Abdillah, Gunawan; Komarudin, Agus
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2437

Abstract

Tanaman paprika (Capsicum annuum var. grossum L.) memerlukan pengawasan lingkungan yang cermat dan terus-menerus. Penelitian ini mengembangkan sistem monitoring berbasis Internet of Things (IoT) dengan mikrokontroler ESP32 untuk mengukur suhu, kelembapan, pH tanah, dan kadar NPK secara otomatis. Data disimpan di Firebase Firestore dan divisualisasikan pada dashboard web berbasis JavaScript. Sistem ini juga mampu mengontrol kipas dan humidifier secara manual dan otomatis jika parameter melebihi ambang batas. Hasil pengujian menunjukkan bahwa sistem berjalan stabil dan responsif dalam kondisi greenhouse skala kecil. Sistem ini diharapkan dapat meningkatkan efisiensi dan akurasi dalam pengelolaan pertanian modern.
Deteksi Pneumonia Menggunakan Explainable AI: Model Hibrid CNN–ViT dan Grad-CAM Atika Hendryani; Vita Nurdinawati; Agus Komarudin
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 14 No 4: November 2025
Publisher : This journal is published by the Department of Electrical and Information Engineering, Faculty of Engineering, Universitas Gadjah Mada.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jnteti.v14i4.19822

Abstract

Pneumonia detection through medical imaging presents a significant challenge, particularly in regions with limited access to healthcare professionals. This study presents an explainable artificial intelligence (XAI) model that integrates convolutional neural network (CNN) and vision transformer (ViT) to enhance the accuracy of pneumonia diagnosis using chest X-ray images. The proposed research aims to enhance diagnostic accuracy by providing explanations through gradient-weighted class activation mapping (Grad-CAM) visualization. The methodology includes image preprocessing, local feature extraction via CNN, and global spatial relationship modelling using ViT. The model was trained on a preprocessed chest X-ray dataset and evaluated using standard performance metrics such as accuracy, precision, recall, and F1 score. The proposed CNN-ViT model was assessed using chest X-ray datasets for pneumonia detection. The experimental results demonstrated that the model achieved an accuracy of 96.5%, precision of 96%, recall of 96%, and F1 score of 94%, These results indicate that the integration of CNN and ViT effectively enhances classification performance and provides a reliable tool for medical image analysis. Furthermore, Grad-CAM visualizations highlight the critical regions in the images that influence the model’s predictions, thereby enhancing interpretability. Compared to conventional models, this approach offers improved transparency in AI-driven diagnostics. Consequently, the proposed model represents a promising and reliable diagnostic tool, particularly beneficial in underserved or remote areas with limited medical infrastructure. Additionally, this research opens opportunities for the development of transparent and XAI-based diagnostic systems.
Co-Authors Ade Kanianingsih Aditya Prakasa Aek Mustofa Aghnie Kurnia Aini Nurul Akhmadi Surawijaya Al Farisi, Muhammad Farid Alda Amorita Azza Alfarizi, Muhammad Bayu Ardi Arifiansyah, Fitra Asep Id, Hadiana Atika Hendryani Azhari, Anissa Azzahra, Bunga Juliana Bambang Suparapto Damayanti, Ariesta Daswara Djajasasmita Dea Destiani Deka P Gustiawan Denny Hidayat Tri Nugroho Devian, Devian Dewi Purnamasari Diansyah Andri Ramdhany Dimitri Mahayana Djamal, Esmeralda Contesa Eddie Khrisna Putra Edvin Ramadhan Erlangi, Fauzan Erlangi, Fauzan Esmeralda C Djamal Esmeralda C Djamal Esmeralda C Djamal Esmeralda C. Djamal Esmeralda C. Djamal Esmeralda C. Djamal Esmeralda C. Djamal Fahmi Yusron Fiddin Faiza Renaldi Fajri Rakhmat Umbara Farhan Fadilah Farid Purwanto Ferdi Zulkarnain Ferry Kurniawan Fuadillah, Erry Galih Rakasiwi Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah, Gunawan Hadiana, Asep Id Hadimas Aprilian, Doni Hafiz, Aliy Handayani, Indah Nursyamsi Hanif Abdul Aziz, Nabil Hardianto, Mohamad Aris Hartono, Rudi Ifo Wahyu Pratama Ike - Festiana Iman Muhdi Inggit Sumirah Irvan Herdiansyah Iskandar Iskandar Julianto, Ribut Kania Ningsih, Ade Kartika N Oktaviani Kasyidi, Fatan Kresna Septyana Ekaputra Krishna Putra, Eddie Kuncoro Buwono Kurniawan Ikhsan Kurniawan, Alexander Tommy Kurniawan, Fadhlika Kusuma Wardany M.Naufal Rafirhan Mandala, Muhamad Bintang Melina Melina Mia Narulita Anggraeni Mohamad Aris Hardianto Muhammad Aditya Putra Muhammad Dwi Laksono Muhammad Iqbal Zulfikar Mulyasari, Cicik Rafka Nasy`an Taufiq Al Ghifari Nendra Cahya Permana Neni Nuraeni Nenza Nurfirmansyah Nisa, Khoirotun Novianti, Sri Hutamy Nuari Anisa Sivi Nugraha, Faisal Okta Nugraha, Faisal Okta Nugraha, Mochammad Ganjar Nur Muhammad Hasyim Nurhakim, Riri Qorib Nurputra, Windi Raihan Nurul Sabrina, Puspita Oki Iskandar Oryza Habibie Rahman P., Tacbir Hendro Poppi Lodaya Pradana, Muhammad Rifqi Prima Nugraha Ramdani, Rahmat Muhamad Rasyid Ibnu Prasetyo Rezki Yuniarti Rezky Yuniarti Ridwan Ilyas Rifky Ekayama Rikarda, Willy Artanika Rina Dwi Khairunnisa Rizki Abdilah Rizkyawan, Ferdi Rozak Arief Pratama Sari, Reni Permata Sari, Wiwin Rita Sartika Dewi Selia Aysiah Septia Wahyuni Setyawati, Astri Sivi, Nuari Anisa Sopwatun Anisa Sri Hutamy Novianti Susana, Ernia Tacbir Hendro Pudjiantoro Vita Nurdinawati Wahidah, Nina Ikhwati Wahyu Eko Zulianto Wardani, Mathilda Fitri Wina Witanti Wina Witanti Wina Witanti Wini Afrilia Wirajaya Putra, Basudewa Yajid Ichsan Syifa Yanuar, Muhammad Rizki Yulison H. Crisnanto Yulison Herry Chrisnanto